基于集成學(xué)習(xí)的變換域語音隱寫分析研究.pdf

1、隨著多媒體技術(shù)和計算機(jī)網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展,信息隱藏技術(shù)成為網(wǎng)絡(luò)時代信息安全領(lǐng)域興起的一個研究熱點,其在版權(quán)保護(hù)、隱蔽通信等許多方面有著非常廣闊的應(yīng)用前景。在信息隱藏技術(shù)被用來保護(hù)信息安全的同時,也可能被一些非法分子傳輸一些非法信息:如何檢測和判別這些有害信息就成為信息隱藏分析的任務(wù)。同時,信息隱藏分析成為信息隱藏的有益補(bǔ)充,隱藏分析又可以為設(shè)計更好的信息隱藏算法提供指導(dǎo)意義,兩者相輔相成。
　　 針對目前變換域語音隱藏分析方法分

2、類效果不很理想的問題,本文通過提取新的特征作為分類器特征,來提高檢測效果。首先分析了直方圖聯(lián)合特征、梅爾倒譜特征、高階矩特征和共生矩陣特征;然后通過對在三種變換域(DCT域、DFT、域和DWT域)嵌入秘密信息的語音信號提取四種特征;最后利用支持向量機(jī)的分類方法分別對四種特征進(jìn)行了檢測,檢測準(zhǔn)確率最高可達(dá)到95％;結(jié)果表明直方圖聯(lián)合特征、梅爾倒譜特征和共生矩陣特征分別對DWT域和DCT域嵌入算法比較敏感,直方圖聯(lián)合特征對DFT域的嵌入算法

3、比較敏感。
　　 由于單個特征攜帶信息的局限性和單分類器分類效果不理想的缺點,直接導(dǎo)致隱藏分析檢測的效果不理想;基于上述原因,本文利用信息融合中特征融合的原理,將直方圖聯(lián)合特征、梅爾倒譜特征和高階矩特征兩兩分別進(jìn)行特征融合;然后利用集成學(xué)習(xí)的分類方法對DCT域、DFT、域和DWT域語音嵌入算法進(jìn)行分類檢測,檢測的準(zhǔn)確率要比單個特征的單分類器檢測準(zhǔn)確率高;結(jié)果表明將信息融合技術(shù)融入隱藏分析中,融合特征攜帶更多的特征信息,在分類時分