基于數字水印和模式恢復的語音認證系統(tǒng)

黃文超，張 威，葛琳琳，李易霖

（1.遼寧石油化工大學，遼寧撫順113001；2.大連海洋大學，遼寧 大連116023）

隨著數字存儲設備的快速發(fā)展，錄音作為證據在法庭上廣泛應用，而語音容易受到攻擊，故其認證工作非常重要。存儲的語音可靠性的保證可以通過限制訪問內容適當提高其安全性，加密是保存數字信息的一種方法，然而該方法不能完全保護信號處理級別的數字偽造，如替代、插入和刪除信號的數字偽造很難通過人們聽覺檢測出來，需要可靠的信號分析方法和先進的驗證工具來檢測。數據隱藏和提取技術是數字水印對數字版權保護的一種方式，可用于語音認證[1]。

利用音頻水印進行數據隱藏是人類聽覺系統(tǒng)的非關鍵頻帶中信號修改的一種方式，一些不能被人類聽覺系統(tǒng)聽到的信號被刪除或插入[2]。第一種應用于數字音頻水印技術是擴頻技術，該方法加入由心理聲學模型或線性預測濾波器模型掩蓋的隨機信號，通過互相關完成水印的檢測[3-5]，該技術的局限性在于通過數字濾波可以消除水印信息；回聲隱藏是另一種音頻水印標記技術，利用原始信號和回聲信號的時間間隔很短時，人類聽不到回聲信號的理論[6]，使用倒頻譜分析方法提取語音信號，易于開發(fā)，該技術對數字壓縮信號具有魯棒性，但是該音頻水印很容易被發(fā)現(xiàn)和刪除，用全通濾波器的數字濾波方法嵌入水印信息，通過簡單的信號處理，可以很容易地刪除水印標記信息，從而改變相位信息[7]。現(xiàn)有的一些方法用高度重復的信號作為數字水印，該數字水印可以通過原始信號的簡單修改產生[8]。本文提出了一種基于數字音頻水印和模式恢復技術提高語音信號魯棒性和有效性的方法。本文所提的方法解決了語音認證水印方法存在的問題。在語音信號中嵌入循環(huán)模式，與其他現(xiàn)有的方法相比，提取的模式不需要同步，如果語音內容被修改，則必然修改嵌入模式。采用擴頻水印方法作為嵌入方案，通過循環(huán)模式的扭曲來測量修改的區(qū)域，在偽造檢測分析階段，采用曲線優(yōu)化的平滑技術增強了認證系統(tǒng)的魯棒性。

1 提出的方法

所提方法的執(zhí)行過程如圖1所示。

圖1 語音認證系統(tǒng)的處理流程

該過程從原始語音信號的輸入開始，用脈沖編碼調制（Pulse Code Modulation，PCM）格式存儲；水印的預檢測是為了避免冗余，如果預檢測沒有發(fā)現(xiàn)任何水印，則在語音信號中嵌入水印，嵌入水印的語音信號可以用壓縮或原始的格式存儲；為了檢測語音內容是否被偽造或對語音內容進行認證，必須進一步處理，語音信號應該由MP3、WMA等存儲格式轉換為PCM信號；水印圖像的恢復需要對圖像進行位信息提取和預處理，通過對模式退化程度的分析，可以檢測出含有水印的語音信號是否被偽造。實驗中使用的語音數據是在一個普通的室內環(huán)境中用6個設備記錄的（3個PDA、DVR，耳機和紐扣麥克風），并按8 kHz的速率采樣，16 bit的分辨率量化，語音的持續(xù)時間大約為60 s。為評估偽造檢測的準確性，在隨機點上替換、插入和刪除語音片段，并測試修改后的語音的完整性及抵抗MP3和CELP語音壓縮的魯棒性。

2 嵌入水印

2.1 DFT（離散傅里葉變換）域擴頻

從根本上說，水印嵌入可以在時域和頻域中，水印技術關鍵在于隱藏擴頻序列，通過相關性技術不能檢測出該隱藏的擴頻序列。本文利用初始種子產生的偽隨機序列對頻譜的幅度進行了修正，這些序列的循環(huán)移位變換可以用來表示一個特定的隨機序列的多個信息，水印幅度向量由y=m+w計算得出。其中，m為原始幅度，水印w定義為Δb，隨機位序列b由b(i)組成，i=1,2,…,N，參數Δ表示嵌入強度。頻域嵌入水印方案如圖2所示。

圖2 頻域嵌入水印方案

DFT的塊變換存在塊回聲，該回聲在水印應用中會引起可聽到的噪聲，當水印強度變強時，塊回聲更突出。使用重疊相加（OLA）方法合成語音塊，可以減少塊回聲，重疊相加（OLA）方法如圖3所示。最終嵌入水印的幀2（F2）由式（1）計算得出。

式中，S'1為幀1和幀2的加窗信號和水印信號；S'2為幀2和幀3的加窗信號和水印信號；N為幀大??；W為窗口信號，如hamming窗口。

圖3 重疊相加（OLA）方法

2.2 水印模式架構

在不考慮同步的情況下，對水印使用循環(huán)模式來檢測偽造，通過檢測模式的變化來測試偽造的存在。然而，需要在魯棒性和時間分辨率精度之間進行權衡，時間分辨率精度由時間長度（T）和水印信息的數量確定，水印信息的折中值如圖4所示。較長的時間長度和更多的水印信息能獲得更高的魯棒性，但是降低了時間分辨率的精度，本文確定T值為 0.6 s，水印信息為 0，1，2，3，4。

圖4 水印信息的折中值

相同的水印信息被嵌入到整個區(qū)域中，這些區(qū)域通過移位隨機比特序列形成，含有時間長度和水印信息。水印信息的循環(huán)模式如圖5所示。

圖5 水印信息的循環(huán)模式

2.3 嵌入水印的預檢測

為了避免水印信息被錯誤地重新嵌入，設計了一種預檢測方案，在預檢測階段通過進行簡單的相關運算來預先檢查水印，加水印和無水印信號的掃描寬度如圖6所示。從圖6可以看出，加水印的信號比無水印的信號顯示更大的峰值，如果峰值大于20，則內容被視為水印信號。

圖6 加水印和無水印信號的掃描寬度

3 水印提取與模式恢復

水印提取采用互相關法，水印信息的提取過程如圖7所示。利用水印信息的時間變化來恢復語音信號，并通過檢測水印圖形的退化程度來識別語音信號是否被偽造。

圖7 水印信息的提取過程

3.1 語音片段DFT幅度的積累

將水印信號分為原始信號和噪聲信號兩類，信號片段幅值的疊加提高信噪比（SNR），當嵌入的水印強度越弱時，SNR越高，水印檢測越困難。為了避免不同水印信號片段的積累，累加片段的大小應該小于用于嵌入的時間長度。

3.2 倒頻譜濾波

語音信號可以作為隱藏信息的載體，因此語音信號的方差直接影響水印的檢測結果，具有共振峰規(guī)范的語音信號會產生較大的方差，所以應用倒頻譜濾波（CF）作為濾化信號的方法，CF通過以下步驟去除語音信號的頻譜形狀。

步驟1 通過離散余弦變換（DCT）計算DFT向量幅度的近似倒頻譜z=DCT(y)。

步驟2 倒頻譜系數是過濾掉的第一部分，設zi=0，i=0,1,…,9。

步驟3 通過逆DCT重構頻譜y?=IDCT(z)。

3.3 水印信息互相關檢測

通常，水印檢測由定義的互相關函數來完成：

式中，r(i)為位移幅度；°為互相關函數。

如果?(i)=0，則p(i)=1。互相關函數如圖8所示。根據隨機比特的位移幅度，必須在特定位置有較大的相關值，水印信息可以用0到N-1的峰值范圍索引來提取。

圖8 互相關函數

3.4 提取水印信息的時間模式

為了提高提取模式的魯棒性，采用下面兩個預處理步驟。

步驟1 向右信息趨近的估計。由于音頻壓縮和不穩(wěn)定的嵌入技術，使水印信息的時間變化存在一些意想不到的錯誤，t幀的水印值（V(t)）為0～4，其他值都是錯誤的，這些錯誤值可以用最臨近的正確值替換。

步驟2 曲線優(yōu)化（平滑）。v(t)的時間變量的正確結果類似于0,1,2,3,2,1,0,1,2,……，然而，由于一些無法避免的錯誤，存在一些非連續(xù)的值，可以應用曲線優(yōu)化技術恢復v(t)的時間變量。如果v(t)的長度為N，可以定義為(N-2)×(N-2)的矩陣B和(N-2)×N的矩陣D。

用式（4）和式（5）表示平滑模式（F）。

式中，V為大小為N×1中水印信息的時間變量；η是平滑參數；F為平滑模式；A為平滑模式F的中間矩陣。

原始圖像和平滑圖像水印信息的提取模式如圖9所示。

圖9 水印信息的提取模式

3.5 利用局部峰之間長度的偽造檢測

基于局部峰之間長度（L）檢測偽造區(qū)域提出的方法可以檢測的偽造區(qū)域三種偽造信號為：類型I，插入沒有加入水印的語音信號；類型II，插入加入水印的語音信號；類型III，刪除語音信號。假設局部峰的長度為L，并且在最大峰值（最大峰值為4）中存在3個局部峰值，局部峰之間長度檢測語音信息偽造的結果如圖10所示。

圖10 局部峰之間長度檢測語音信息偽造的結果

在圖10（b）的類型I偽造中，有意插入一些信號，局部峰的長度大于L；在圖10（c）的類型II偽造中，由于添加了一些加入水印的信號，導致局部峰的長度變長或變短，最大峰之間的局部峰數可能大于3個；圖10（d）的類型III偽造可以通過觀察局部峰較短的長度檢測到，最大峰之間的局部峰數可能小于3個。

4 實驗方法及結果

4.1 實驗方法

實驗使用6個錄音裝置（PDA（H）、PDA（C1）、PDA（C2）、數字錄音機 、內 置 MIC+PC、外聯(lián)MIC+PC）來對語音信號進行記錄，語音數據采用8 kHz的采樣率和16 bit分辨率量化，語音記錄的長度為60 s，錄音分別在安靜和嘈雜的辦公室內進行，使用奔騰663 MHz的PC機對語音信號進行水印的嵌入和檢測，幀由256個樣本組成，T為0.6 s，水印在DFT域的600～3 800 Hz頻帶內進行嵌入，嵌入時間為時播放時間的9%。

4.2 嵌入水印所產生的信噪比

采用了兩種嵌入強度（Δ）來測試對兩種語音壓縮（MP3和CELP）的魯棒性。水印嵌入的SNR結果如表1所示。3 dB是MP3壓縮格式（16 kbps）中完美偽造檢測的最小強度；10 dB是CELP壓縮格式（11.5 kbps）中完美偽造檢測的最小強度。由于環(huán)境噪聲和設備噪聲的摻雜，很難通過仔細聆聽來區(qū)分原始語音和水印語音（3 dB強度）。強度為10 dB時，水印噪聲是可聽的，但一般語音的失真較小。

4.3 檢測結果

本文對原始語音在隨機點使用三類偽造進行修改來檢測所提的方法，修改的長度為1 s，在每個語音數據偽造測試中，對每個類型進行32個不同類型的偽造測試，測試過程為：通過檢測L（正常值為3.6 s），無論比正常值長或短都可檢測到偽造，閾值為0.4 s，如果在局部峰之間存在偽造點，則不存在傾斜誤差；否則，用最近的峰與偽造點之間的差值來估計傾斜誤差，平滑參數（g）為300，檢測時間為播放時間的50%。16 kbps的MP3壓縮格式的魯棒性測試結果如表2所示。

表1 水印嵌入的SNR結果

表2 16 kbps的MP3壓縮格式的魯棒性測試結果

共測試了576個偽造樣本，所有的偽造都能夠成功地被檢測到，可以明顯地看到誤差；在測試中還對很難恢復的8 kbps的MP3壓縮格式的水印模式進行了檢測。為了保持語音質量，16 kbps的壓縮是最小壓縮級別，所以本文所提的方法在實際應用中是有效的。當語音信號用MP3壓縮時，在8 kHz的采樣率下，在原始信號前添加56個樣本，這種添加是一種插入語音片段的偽造，并導致圖10中L的長度略微增加，但是在實際應用中這種增加不認為是偽造，因為0.07 s不足以對語音內容進行有意義的偽造。11.5 kbps的CELP壓縮格式的魯棒性測試結果如表3所示。該測試除了嵌入強度以外與MP3壓縮格式的測試實驗方法相同，并且所有偽造檢測也與MP3壓縮格式的測試相同。

不同方法對語音信號的壓縮結果如表4所示。多光譜分析、特征提取、脆弱水印、本文方法的壓縮結果分別使用自然語音、比較加密特性、比較原始位和提取位、檢查恢復模式的變化方法進行檢測。從表4可以看出，與其他現(xiàn)有數字水印方法相比，該方法具有兩個優(yōu)點，不需要再同步，并且使用模式恢復的容錯能力更強。

5 結 論

采用嵌入循環(huán)模式解決同步問題和模式恢復問題，提高了算法的魯棒性。模式恢復采用預處理和曲線擬合相結合技術，為避免冗余水印，采用快速預檢測方法。該方法可以檢測各種語音信號的偽造，并通過實際實驗驗證了該方法的有效性，在曲線逼近的過程中有可能產生誤差，當在接近局部峰值的地方進行偽造時，會產生傾斜誤差。針對這一問題，今后將對模式進行直接分析，使該技術不斷完善。

表3 11.5 kbps的CELP壓縮格式的魯棒性測試結果

表4 不同方法對語音信號的壓縮結果