李景麗，高 玲

（黃河水利職業(yè)技術(shù)學(xué)院，河南 開封 475003）

0 引言

網(wǎng)絡(luò)的迅速發(fā)展及多媒體技術(shù)的日益成熟使得各種數(shù)字化作品的制作、編輯、存儲(chǔ)與傳播變得簡(jiǎn)單易行。數(shù)字音頻產(chǎn)品在數(shù)字化多媒體產(chǎn)品中占據(jù)相當(dāng)?shù)匚?，是人們生活中最為普遍的?shù)字化產(chǎn)品之一。隨著MP3、VQF等新一代數(shù)字音頻壓縮格式的廣泛應(yīng)用，數(shù)字音頻產(chǎn)品在網(wǎng)絡(luò)上的傳播和應(yīng)用迅猛增長(zhǎng)。人們可以越來越方便地拾取音頻數(shù)據(jù)，并對(duì)其進(jìn)行篡改。這一方面導(dǎo)致音頻數(shù)據(jù)的真實(shí)性、完整性無法得到保證，另一方面也極大損害了音頻制作者和發(fā)行者的權(quán)益。為了維護(hù)數(shù)字音頻的安全應(yīng)用，對(duì)音頻文件的惡意篡改進(jìn)行有效的檢測(cè)已成為一個(gè)亟待解決的問題。

加密技術(shù)和數(shù)字水印技術(shù)是解決這個(gè)問題的兩種不同的途徑［1］。數(shù)字水印技術(shù)是近年來興起的前沿研究領(lǐng)域，主要應(yīng)用于隱蔽通信、版權(quán)保護(hù)和完整性認(rèn)證領(lǐng)域。它憑借對(duì)音頻文件篡改操作敏感，對(duì)正常音頻處理操作魯棒的優(yōu)勢(shì)，被廣泛用于各種音頻文件篡改檢測(cè)的場(chǎng)合中。

1 篡改音頻文件水印檢測(cè)的設(shè)計(jì)要求

用于音頻文件篡改檢測(cè)的數(shù)字水印算法應(yīng)能夠在保證原始音頻文件一定聽覺質(zhì)量的前提下，將與原始音頻內(nèi)容相關(guān)或不相關(guān)的標(biāo)志信息作為數(shù)字水印嵌入到音頻文件中。為了能夠可靠的檢測(cè)對(duì)音頻文件的篡改情況，要求數(shù)字水印一般應(yīng)具備不可感知性、脆弱性與健壯性、準(zhǔn)確性、盲提取等特征。

1．1 不可感知性

水印的不可感知性又稱透明性、隱蔽性，是指將水印信息嵌入到原始音頻文件中之后，不會(huì)導(dǎo)致音頻文件產(chǎn)生人耳可感知的質(zhì)量下降現(xiàn)象。人類聽覺系統(tǒng)不僅是一個(gè)極端靈敏的聲音接收器，還具有選擇性，可以起分析器的作用［2］。所以，音頻數(shù)字水印對(duì)不可感知性有很高的要求。在設(shè)計(jì)音頻數(shù)字水印算法時(shí)，應(yīng)結(jié)合原始音頻文件的特性，并充分考慮人耳的掩蔽效應(yīng)（弱音在強(qiáng)音的掩蔽下會(huì)不為人耳所覺察）。

1．2 脆弱性與健壯性

音頻文件的改變是屬于正常操作還是惡意篡改，不同的應(yīng)用場(chǎng)合對(duì)此會(huì)有不同的區(qū)分標(biāo)準(zhǔn)（一個(gè)應(yīng)用場(chǎng)合下的正常操作有可能在另一個(gè)應(yīng)用場(chǎng)合下被視作惡意篡改）［3］。在多數(shù)場(chǎng)合下，無損壓縮、音頻格式轉(zhuǎn)換、重采樣、低通濾波、高比特率有損壓縮、去除噪聲等一些標(biāo)準(zhǔn)的音頻信號(hào)處理操作被認(rèn)為是正常操作，而所有會(huì)對(duì)原始音頻內(nèi)容造成影響的操作，如剪裁重組、添加、替換、刪除、低比特率有損壓縮等均視為惡意篡改。用于音頻文件篡改檢測(cè)的數(shù)字水印既要對(duì)正常音頻信號(hào)處理操作呈現(xiàn)較強(qiáng)的健壯性，又要對(duì)認(rèn)定的惡意篡改呈現(xiàn)靈敏的脆弱性。

1．3 準(zhǔn)確性

數(shù)字水印用于音頻文件的篡改檢測(cè)時(shí)，水印信息變化與否等價(jià)于音頻文件篡改與否。當(dāng)含水印的音頻文件受到篡改攻擊時(shí)，如果水印信息依然是完整的，就會(huì)直接造成檢測(cè)失敗。為保證檢測(cè)的準(zhǔn)確性，除要求能夠有效識(shí)別篡改外，還要求能夠?qū)Υ鄹倪M(jìn)行精確定位，最好可以通過篡改分析，大致還原被篡改的部分。

1．4 盲提取

在提取水印信息時(shí)，盲水印既不需要原始音頻文件，也不需要原始音頻數(shù)字水印。由于音頻文件篡改檢測(cè)的絕大多數(shù)場(chǎng)合都是難以獲得原始音頻文件的，所以，在不提供原始音頻文件的情況下，要求實(shí)現(xiàn)水印信息的提取，即實(shí)現(xiàn)盲提取。

2 音頻數(shù)字水印的嵌入與篡改檢測(cè)

2．1 水印的嵌入檢測(cè)

要檢測(cè)對(duì)音頻文件的篡改，并能夠準(zhǔn)確定位篡改，一般是將所提取的原始音頻文件的特征信息（作為水印內(nèi)容）與密鑰一起經(jīng)過某種音頻數(shù)字水印算法，嵌入到原始音頻文件中，得到已嵌入水印的音頻文件。其嵌入過程如圖1所示。

圖1 檢測(cè)水印的嵌入過程Fig.1 Embedded process of detecting watermark

2．2 音頻文件的篡改檢測(cè)

對(duì)音頻文件做篡改檢測(cè)時(shí)，先要從待檢測(cè)音頻文件中提取水印信息，然后將所提取的水印信息與原始水印信息進(jìn)行比較。如果兩者一致，就認(rèn)為音頻文件沒有被篡改；否則，認(rèn)為音頻文件已被篡改，并給出篡改的具體信息。音頻文件篡改檢測(cè)過程如圖2所示。

圖2 音頻文件篡改檢測(cè)過程Fig.2 Detection process of audio file tampering

3 典型音頻文件篡改檢測(cè)水印算法

用于音頻文件篡改檢測(cè)的數(shù)字水印屬于半脆弱數(shù)字水印。迄今為止，學(xué)術(shù)界發(fā)表的針對(duì)多媒體文件篡改檢測(cè)的數(shù)字水印相關(guān)的文獻(xiàn)大多數(shù)都集中在數(shù)字圖像領(lǐng)域，針對(duì)數(shù)字音頻文件篡改檢測(cè)的相關(guān)文獻(xiàn)較少，比較典型的有以下幾個(gè)。

Chung－Ping Wu 等［4］提出了基于指數(shù)級(jí)量化的離散傅立葉變換 （DFT）域半脆弱音頻數(shù)字水印算法。該算法復(fù)雜度低，能夠有效檢測(cè)音頻文件的惡意內(nèi)容篡改。由于無需附加數(shù)據(jù)，所以篡改檢測(cè)過程相對(duì)于諸如傳輸過程中的編碼轉(zhuǎn)換等保持內(nèi)容操作是透明的。本算法基于改進(jìn)的指數(shù)級(jí)量化奇偶調(diào)制技術(shù)和本地頻率掩蔽模型，以保證用于水印嵌入和提取的量化步驟之間相匹配。采用該算法添加水印，對(duì)音頻文件引入的噪聲小于語音編碼器。實(shí)驗(yàn)結(jié)果表明，該算法能夠以非常低的錯(cuò)誤概率區(qū)分惡意篡改和一些保持內(nèi)容操作（如重采樣、白噪聲干擾、G．711語音編碼和G．721語音編碼等）。

Bin Yan等［5］提出了通過對(duì)線性預(yù)測(cè)系數(shù)進(jìn)行量化實(shí)現(xiàn)的半脆弱音頻數(shù)字水印算法。該算法通過把參數(shù)估計(jì)誤差模型化為拉普拉斯分布噪聲，對(duì)水印譯碼性能進(jìn)行分析。水印檢測(cè)閾值是根據(jù)對(duì)錯(cuò)誤概率的要求和預(yù)期的信號(hào)噪聲比 （SNR）推斷得到的。實(shí)驗(yàn)結(jié)果表明，該水印算法對(duì)幅度伸縮操作具有魯棒性，對(duì)添加白噪聲操作具有半脆弱性，因此該算法適用于音頻文件篡改檢測(cè)。

Fang Chen等［6］提出了基于音頻質(zhì)量的使用小波包分解和最優(yōu)樹選擇的音頻文件篡改檢測(cè)算法。該算法把小波包分解系數(shù)作為與音頻質(zhì)量相關(guān)的特征信息，通過在最小熵下的最優(yōu)樹算法選擇小波包系數(shù)，從而保證在少丟失重要音頻信息的情況下，最小化水印編碼量。實(shí)驗(yàn)結(jié)果表明，根據(jù)PEAQ（音頻質(zhì)量感知評(píng)價(jià)）標(biāo)準(zhǔn)，除了各種比特率的MP3壓縮操作外，大多數(shù)音頻文件處理操作都不是質(zhì)量保持操作。因?yàn)樗鼈円肓烁鞣N特殊的聽覺效果。另外，該算法能夠有效識(shí)別隨機(jī)裁剪和篡改等惡意操作。

上述3種算法都有著自身的一些優(yōu)勢(shì)，但都還不盡完善。理想的用于音頻文件篡改檢測(cè)的算法應(yīng)滿足對(duì)惡意操作具有脆弱性，對(duì)正常音頻處理操作具有魯棒性，能夠?qū)Ρ淮鄹牡囊纛l片斷進(jìn)行精確定位和大致恢復(fù)，具有非常低的錯(cuò)誤檢測(cè)率等各項(xiàng)要求。

4 音頻文件篡改檢測(cè)實(shí)驗(yàn)

實(shí)驗(yàn)中，原始音頻文件選用取樣頻率為11．025kHz、位深為 16 Bit、持續(xù)時(shí)間為 40 s 的單聲道Wave波形文件，其時(shí)域波形如圖3（a）所示。由于圖像水印在表現(xiàn)形式上更為直觀，故本實(shí)驗(yàn)中嵌入音頻文件中的水印選用像素為93×93的BMP格式的單色二值圖像，如圖4（a）所示。采用相應(yīng)的數(shù)字水印嵌入算法 （本實(shí)驗(yàn)中使用的是基于振幅差值比較的音頻數(shù)字水印算法）將水印嵌入到原始音頻文件中，得到的含水印的音頻文件時(shí)域波形，如圖3（b）所示。將圖 3（b）與圖 3（a）的波形對(duì)比可見，嵌入水印對(duì)原始音頻的改變非常小。對(duì)含水印的音頻文件進(jìn)行影響語義的篡改，篡改之后的音頻文件時(shí)域波形如圖 3（c）所示。

采用與水印嵌入算法相對(duì)應(yīng)的水印提取算法，對(duì)篡改后的音頻文件進(jìn)行水印的提取，所提取的水印圖像如圖4（b）所示。將原始水印和所提取的水印進(jìn)行對(duì)比，可判斷出音頻文件已被篡改，再結(jié)合具體的水印嵌入算法，即可定位篡改位置，如圖5所示。如果以原始音頻文件的特征信息作為水印內(nèi)容，還可進(jìn)一步近似恢復(fù)音頻文件被篡改的片斷。

圖3 音頻文件時(shí)域波形圖Fig.3 Time domain waveform of audio file

圖4 原始水印和提取的水印Fig.4 Original watermark and selective one

5 結(jié)語

數(shù)字水印技術(shù)是音頻文件篡改檢測(cè)的一種有效手段。但是，目前數(shù)字水印在音頻文件篡改檢測(cè)方面的應(yīng)用和研究成果均非常少見，是一個(gè)遠(yuǎn)未成熟的研究領(lǐng)域［7］，尚有很多協(xié)議方面和技術(shù)方面的問題有待解決。在實(shí)際應(yīng)用場(chǎng)合，要求嵌入水印之后，不可對(duì)音頻聽覺質(zhì)量造成明顯影響，對(duì)音頻文件進(jìn)行篡改檢測(cè)除了要能夠準(zhǔn)確判斷出是否有篡改，還應(yīng)能夠進(jìn)一步確定篡改位置并近似恢復(fù)篡改之前的內(nèi)容。把音頻文件的重要特征作為水印內(nèi)容，并與人類聽覺系統(tǒng)的掩蔽效應(yīng)相結(jié)合，是數(shù)字水印技術(shù)在音頻文件篡改檢測(cè)領(lǐng)域今后的主要發(fā)展方向。

［1］馮英，林土勝，譚啟祥．基于音頻特征的自嵌入數(shù)字水印技術(shù)［J］．計(jì)算機(jī)工程與應(yīng)用，2007，43（1）：192－194．

［2］楊義先，鈕心忻．?dāng)?shù)字水印理論與技術(shù)［M］．北京：高等教育出版社，2006：200－201．

［3］李偉，汪竹蓉．?dāng)?shù)字音頻認(rèn)證研究綜述［J］．計(jì)算機(jī)科學(xué)，2009，36（10）：21－24．

［4］ Chung －Ping Wu， C．－C．J． Kuo．Fragile speech watermarking based on exponentialscale quantization for tamper detection ［C］．Proceedings of the IEEE InternationalConference on Acoustics， Speech， and Signal Processing．Orlando， Florida， May 2002：205-212．

［5］ Bin Yan， Zhe－Ming Lu， et al．Speech Authentication by Semi－fragile Watermarking ［J］．Lecture Notes in Computer Science Volume 3683， 2005： 497－504．

［6］ Fang Chen， WeiLi， etal．Audio Quality －Based Authentication Using WaveletPacketDecomposition and Best Tree Selection［J］．International Conference on IntelligentInformation Hiding and MultimediaSignal Processing （IIH－MSP 2008）．August 2008：1265－1268．

［7］宋玉杰，譚鐵牛．基于脆弱性數(shù)字水印的圖像完整性驗(yàn)證研究［J］．中國(guó)圖像圖形學(xué)報(bào)，2003，8（1）：1－4．