一種精確篡改定位的數(shù)字語音取證算法

王 靜，劉正輝，周新建，祁傳達(dá)

(信陽師范學(xué)院 數(shù)學(xué)與信息科學(xué)學(xué)院，河南 信陽 464000)

0 引言

隨著數(shù)字信號(hào)處理技術(shù)的發(fā)展，數(shù)字信號(hào)代替了傳統(tǒng)的模擬信號(hào)，在人們?nèi)粘Ｉ钪邪缪葜絹碓街匾慕巧蔀樾畔鞑サ闹饕d體.同時(shí)，多媒體編輯工具的豐富，使人們制作個(gè)性的、滿足自己需要的數(shù)字多媒體內(nèi)容成為現(xiàn)實(shí).然而，生活中不乏一些犯罪分子，為了個(gè)人的利益和其他不可告人的目的，對(duì)一些多媒體數(shù)據(jù)進(jìn)行精心的偽造和篡改,并肆意傳播，破壞他人利益，給人們的生活增加了諸多不和諧的因素，也使數(shù)字證據(jù)的可信度和認(rèn)可度受到嚴(yán)重威脅.

數(shù)字語音信號(hào)是經(jīng)常被采用的傳遞信息的數(shù)字載體之一，廣泛應(yīng)用在新聞報(bào)道、語音通訊等方面.同時(shí)，也作為電子證據(jù)，應(yīng)用在醫(yī)療記錄和法庭舉證等環(huán)節(jié).在這些應(yīng)用當(dāng)中，語音信號(hào)的真實(shí)性和完整性是保證其法律效益的前提.一般而言，被攻擊語音信號(hào)表示的內(nèi)容和原始內(nèi)容將有很大的區(qū)別，若被攻擊信號(hào)的指令被人們采用和執(zhí)行，將會(huì)帶來嚴(yán)重的后果.大量存在的被篡改、偽造的語音信號(hào)，已經(jīng)影響了數(shù)字語音信號(hào)表示的數(shù)字證據(jù)和新聞報(bào)道的可信度和認(rèn)可度.數(shù)字語音內(nèi)容真實(shí)性和完整性取證問題已成為當(dāng)前多媒體信息安全領(lǐng)域的研究熱點(diǎn)[1].

基于數(shù)字水印的方法提供了一種鑒別語音真實(shí)性和完整性的方法.目前，數(shù)字水印技術(shù)已經(jīng)在版權(quán)保護(hù)方面取得了豐碩的研究成果[2-6]，但在語音取證方面則相對(duì)較少[7-9].現(xiàn)有的基于數(shù)字水印的音頻取證技術(shù)已解決了部分問題，如水印嵌入過程考慮了人類聽覺系統(tǒng)，算法滿足了水印不可聽性的要求；部分算法對(duì)于惡意篡改能夠有效檢測(cè)，并定位被攻擊的內(nèi)容.這些都為該技術(shù)走進(jìn)人們的日常生活奠定了基礎(chǔ).然而考慮到應(yīng)用的多樣性以及攻擊的不可預(yù)測(cè)性，目前該技術(shù)還存在幾個(gè)問題需要解決：(1)數(shù)字語音取證常見的篡改定位方法是在數(shù)字語音各幀中嵌入標(biāo)識(shí)信息，驗(yàn)證端通過提取標(biāo)識(shí)信息來定位各幀的位置.而標(biāo)識(shí)信息的嵌入是通過量化多個(gè)樣本點(diǎn)組成“一段”信號(hào)的特征來實(shí)現(xiàn)的.由于數(shù)字語音的短時(shí)穩(wěn)定性，只要組成該段信號(hào)的樣本點(diǎn)大部分不變，提取的特征就和原來的相同.這意味著組成該段的內(nèi)容向前或向后偏移少量樣本點(diǎn)將不影響標(biāo)識(shí)信息的提取.從而，此類定位方案只能定位被攻擊內(nèi)容的大概位置，而不能精確定位被攻擊的位置[4-6]；(2)部分基于公開特征的水印算法，由于采用特征的易獲取性，使算法存在被攻擊的安全隱患[8,10].

針對(duì)上述問題，本文研究了當(dāng)前水印算法不能精確篡改定位的原因，提出了一種安全的精確篡改定位數(shù)字語音取證算法.將語音信號(hào)分幀，對(duì)每幀內(nèi)容進(jìn)行置亂操作.將由幀號(hào)和信號(hào)系數(shù)自相關(guān)生成的水印嵌入到置亂信號(hào)中，水印信號(hào)可以通過反置亂來獲得.

1 本文算法

將原始語音信號(hào)記為A={al|1≤l≤L}，其中L表示語音信號(hào)的長度，al表示第l個(gè)樣本點(diǎn).

1.1 預(yù)處理

1)將A等分為P幀，每幀的長度即為L/P.第i幀記為Ai，1≤i≤P.

2)將第i幀Ai中的樣本點(diǎn)置亂(本文采用基于混沌地址索引的方法).混沌序列由Logistic混沌映射[11]來生成，其定義如式(1).

xj+1=μxj(1-xj),x0=k1, 3.5699≤μ≤4,

(1)

其中，k1是混沌序列的初值，作為水印系統(tǒng)的密鑰.由式(1)生成的混沌序列記為X={xj|j=1,2,…,L/P}, 將X中的元素從大到小排列，排列后的第j個(gè)元素記為xhj，如式(2).

xhj=ascend(xj),i=1,2,…,L/P,

(2)

Ai中的樣本點(diǎn)置亂后的信號(hào)記為Si，Si={sj|1≤j≤L/P}，其中sj=ahj.

3)將Si等分為4段，分別記為S1i，S2i，S3i和S4i.S1i和S2i的長度為N，S3i和S4i的長度為L/2P-N.

1.2 水印生成和嵌入

1)將第i幀的信號(hào)i分解，如式(3).

i=w1N·10N-1+w1N-110N-2+…+w11,

(3)

記W1i={w1N,w1N-1,…,w11}為第i幀的標(biāo)識(shí)，分別嵌入到S1i和S2i中.

2)S1i中N個(gè)樣本點(diǎn)的小數(shù)點(diǎn)后第二位的值分別用w1N，w1N-1，…，w11代替，以此方法將W1i嵌入到到S1i和S2i中.

3)將S3i和S4i等分為M個(gè)子段，分別記為S3i,m和S4i,m，1≤m≤M.由S3i生成的水印記為W2i={w2m|1≤m≤M}，w2m的生成步驟如下：

Step1 計(jì)算S3i,m的系數(shù)自相關(guān)[12]，記為C3m，如式(4).

(4)

其中T=|S3i,m|表示信號(hào)S3i,m的長度.

Step2 根據(jù)以下規(guī)則來生成w2m，

(5)

W1i和W2i即為第i幀生成的水印信息.

4)將w2m嵌入到S4i,m中，方法如下：

Step1 由式(4)的方法計(jì)算S4i,m的系數(shù)自相關(guān)，記為C4m.

Step2 量化C4m來嵌入w2m，量化方法如下：

如果w2m=0,則

(6)

如果w2m=1，則

(7)

其中：Δ表示量化步長，Q4m為量化后的值.

Step3 將S4i,m中的樣本點(diǎn)縮放α倍，完成水印的嵌入，其中α由式(8)得到.

(8)

采用以上步驟將W2i嵌入到S4i中.將嵌入水印的信號(hào)反置亂操作，即可得到含水印的語音信號(hào)，水印生成和嵌入過程如圖1所示.

圖1 水印生成和嵌入過程框圖

1.3 內(nèi)容取證和篡改定位

(9)

圖2 內(nèi)容取證過程框圖

2 性能分析

選取40段語音信號(hào)作為測(cè)試樣本來測(cè)試本文算法的性能.測(cè)試樣本為16位量化、采樣頻率為22.5 kHz、WAVE格式的單聲道數(shù)字語音信號(hào).分為4種類型，分別為在安靜的辦公室、討論會(huì)、嘈雜的車站和空曠的野外錄制，記為Type 1、Type 2、Type 3和Type 4.實(shí)驗(yàn)采用的軟件為Matlab 2010 a，仿真系統(tǒng)為，CUP：Core i5-3470，內(nèi)存：4 GB，64位的Windows操作系統(tǒng).其他實(shí)驗(yàn)參數(shù)分別為L=60 600，P=30，N=10，M=5，k=0.279 3，μ=3.925 7.

2.1 不可聽性

不可聽性要求嵌入的水印不被聽覺所感知，它體現(xiàn)了水印的嵌入對(duì)原始信號(hào)的改變程度.本文分別采用主觀和客觀兩種評(píng)價(jià)方法來測(cè)試本文算法的不可聽性.主觀的評(píng)價(jià)方法是將原始語音信號(hào)及含水印的語音信號(hào)提供給一組聽眾，由聽眾根據(jù)主觀感覺來區(qū)分兩個(gè)信號(hào)之間的差別，并按照主觀區(qū)分度SDG(Subjective Difference Grades)來打分.將這一組聽眾最后打分的平均值作為原始語音信號(hào)和含水印語音信號(hào)主觀聽覺質(zhì)量測(cè)試的結(jié)果.客觀評(píng)價(jià)是利用測(cè)試工具PEAQ(Perceptual Evaluation of Audio Quality)得到聽覺質(zhì)量客觀區(qū)分度ODG(Objective Difference Grade)，根據(jù)ODG值來測(cè)試水印的不可聽性.SDG值和ODG值的評(píng)分標(biāo)準(zhǔn)見表1[7].

對(duì)40段語音信號(hào)測(cè)試所得的SDG值和ODG值見表2所示，其中SDG值由10位聽眾現(xiàn)場(chǎng)打分所得.由表2測(cè)試結(jié)果可以看出本文算法具有較好的不可聽性.

2.2 篡改定位能力

1)基于同步碼定位方法存在的不足

對(duì)音頻水印算法而言，去同步攻擊會(huì)導(dǎo)致水印不能被正確地提取，該攻擊被認(rèn)為是最難抵抗的攻擊方法之一[6].當(dāng)前，最常見的抗去同步攻擊的方法是在音頻信號(hào)中嵌入同步碼，通過提取同步碼來定位含水印的內(nèi)容[4-6].考慮到應(yīng)用的深入，此類算法存在以下幾個(gè)問題有待解決：

表1 SDG值和ODG值的評(píng)分標(biāo)準(zhǔn)

表2 不同類型語音信號(hào)的SDG值和ODG值

(1)只能定位含水印的內(nèi)容，而對(duì)定位到的含水印內(nèi)容不具有鑒別其真?zhèn)蔚哪芰Γ?2)各幀嵌入的同步碼完全相同，若互換含同步碼的內(nèi)容，系統(tǒng)將檢測(cè)不到；(3)由于語音信號(hào)的短時(shí)穩(wěn)定性，同步碼和語音信號(hào)之間是一對(duì)多的關(guān)系.這意味著能正確提取同步碼的語音段不唯一，導(dǎo)致基于同步碼的定位算法定位精度不精確.下面通過實(shí)驗(yàn)來驗(yàn)證以上的幾個(gè)問題.

隨機(jī)選取一段長度為3000的語音信號(hào)，并記C={1010011101}為要嵌入的同步碼.將選取的語音信號(hào)分為3幀，并將同步碼C嵌入到第1幀和第3幀中，嵌入后的信號(hào)如圖3所示.

a)圖3所示的信號(hào)中，如果第2幀的內(nèi)容被攻擊(比如插入、刪除、替換等攻擊)，單單通過提取第1幀和第2幀的同步碼將不能檢測(cè)被攻擊的內(nèi)容.因?yàn)榛谕酱a的方法僅能定位到被攻擊的內(nèi)容是含水印的部分，對(duì)于定位到的內(nèi)容不能進(jìn)行真?zhèn)舞b定[8,10].圖4給出了攻擊后的信號(hào)，可得，只要第1幀和第3幀的同步碼能夠正確提取，則第2幀即被認(rèn)為是含水印的內(nèi)容，卻不能檢測(cè)是被攻擊的內(nèi)容.

圖3 嵌入同步碼后的語音信號(hào)

圖4 攻擊后的含同步碼語音信號(hào)

b)在圖4所示的語音信號(hào)中，搜索含同步碼的語音幀.結(jié)果表明，從第1幀附近的樣本點(diǎn)中均可正確提取同步碼，如圖5中位于矩形框內(nèi)的信號(hào).于是，由同步碼定位含水印內(nèi)容的方法，僅能實(shí)現(xiàn)大致的定位而非精確定位.

圖5 可以正確提取同步碼的信號(hào)

以上分析表明，基于同步碼定位含水印的方法，一方面，對(duì)定位到的含水印的內(nèi)容缺乏真實(shí)性和完整性取證的能力；另一方面，對(duì)含水印內(nèi)容的定位不夠精確.

2)本文算法精確篡改定位能力

本文算法中，幀號(hào)作為用于定位的水印信息，嵌入在各幀信號(hào)的第一段和第二段中.一個(gè)整數(shù)位嵌入到一個(gè)樣本點(diǎn)中，N個(gè)整數(shù)位嵌入到了N個(gè)樣本點(diǎn)中.若含水印的內(nèi)容被攻擊，通過搜索到第一段和第二段提取幀號(hào)完全相同的語音幀來對(duì)被攻擊內(nèi)容的篡改定位(詳見第1部分).對(duì)本文算法而言，N個(gè)整數(shù)位完全相同的概率為1/10N，也是本文算法定位出錯(cuò)的概率.故，本文算法對(duì)被攻擊內(nèi)容能夠精確篡改定位的概率為1-1/10N.

2.3 安全性

對(duì)基于公開特征的水印算法而言，由于其采用特征的公開性，導(dǎo)致水印算法易受替換攻擊[8,10].本文中，對(duì)各幀語音信號(hào)進(jìn)行置亂處理，將水印信息嵌入到置亂信號(hào)中.然后反置亂操作，來獲取含水印的語音信號(hào).驗(yàn)證端在內(nèi)容取證時(shí)，依據(jù)密鑰獲取置亂后的信號(hào)，并對(duì)置亂后的信號(hào)進(jìn)行取證.對(duì)攻擊者而言，在沒有密鑰的情況下，很難獲得正確的置亂結(jié)果，也就無法采用文獻(xiàn)[8,10]的攻擊方法來實(shí)施有針對(duì)性的攻擊.若攻擊者隨機(jī)選取密鑰攻擊含水印的內(nèi)容，該攻擊被檢測(cè)到的概率Pa為

(10)

基于以上分析，表3給出了本文算法和其他水印算法[1,3,4-6]相關(guān)性能的對(duì)比結(jié)果.其中，A1表示安全性，A2表示精確篡改定位能力.從對(duì)比結(jié)果可見，與現(xiàn)有水印算法相比，本文算法在安全性和精確篡改定位能力等方面均得到了提高.

表3 本文算法和其他水印算法的性能對(duì)比

2.4篡改檢測(cè)和篡改定位

下面測(cè)試本文算法對(duì)不同類型攻擊的篡改檢測(cè)和定位能力.隨機(jī)選取一段含水印的語音信號(hào)，如圖6所示.對(duì)含水印信號(hào)進(jìn)行刪除、替換、插入三種類型的攻擊，然后給出對(duì)不同類型攻擊信號(hào)的篡改檢測(cè)和篡改定位結(jié)果，在篡改定位結(jié)果中，Ti=1表示第i幀的內(nèi)容是真實(shí)、完整的.

圖6 含水印語音信號(hào)

1)刪除攻擊

刪除6000個(gè)(第8501到第14 500個(gè))含水印信號(hào)的樣本點(diǎn)，刪除后信號(hào)如圖7所示，對(duì)應(yīng)的篡改定位結(jié)果如圖8所示.由篡改結(jié)果易得，第5幀到第8幀的內(nèi)容是不能通過認(rèn)證的部分.

圖7 刪除攻擊的含水印語音信號(hào)

圖8 對(duì)刪除攻擊的篡改定位結(jié)果

2)替換攻擊

選取含水印語音信號(hào)第74 000到81 000個(gè)樣本點(diǎn)，并用其他語音信號(hào)進(jìn)行替換，替換后的信號(hào)如圖9所示，圖10給出了對(duì)該替換攻擊的篡改檢測(cè)和定位結(jié)果.根據(jù)檢測(cè)結(jié)果得到，第7到第10幀的內(nèi)容是被攻擊的部分.

圖9 替換攻擊的含水印語音信號(hào)

圖10 對(duì)替換攻擊的篡改定位結(jié)果

3)插入攻擊

在含水印語音信號(hào)第40001個(gè)樣本點(diǎn)處插入6000個(gè)樣本，插入攻擊后的信號(hào)如圖11所示，對(duì)應(yīng)的篡改定位結(jié)果如圖12所示.由篡改檢測(cè)結(jié)果可得，第20幀和21幀是被攻擊的內(nèi)容.

以上性能分析結(jié)果表明，本文所給算法具有較好的不可聽性，能夠?qū)阂夤粲行У卮鄹臋z測(cè)，同時(shí)提高了水印嵌入的安全性.

圖11 插入攻擊的含水印語音信號(hào)

圖12 對(duì)插入攻擊的篡改定位結(jié)果

3 結(jié)論

提出了一種精確篡改定位的數(shù)字語音取證水印算法.原始語音信號(hào)分幀后，對(duì)各幀信號(hào)進(jìn)行置亂操作.水印由幀號(hào)和信號(hào)系數(shù)自相關(guān)生成，并嵌入到置亂信號(hào)中.其中，幀號(hào)用來精確地篡改定位，系數(shù)自相關(guān)用來認(rèn)證各幀的內(nèi)容.實(shí)驗(yàn)分析結(jié)果表明，所提算法具有較好的不可聽性，能夠?qū)阂夤暨M(jìn)行有效的篡改定位，同時(shí)提高了整個(gè)水印系統(tǒng)的安全性.