一種基于頻譜sift特征描述子的音頻片段認(rèn)證方法
【專利摘要】本發(fā)明屬信息安全和保護(hù)【技術(shù)領(lǐng)域】，涉及一種基于頻譜SIFT特征描述子的音頻片段認(rèn)證方法，具體涉及一種基于計(jì)算機(jī)視覺技術(shù)的、能夠以音頻片段為檢測對(duì)象的內(nèi)容認(rèn)證方法。本發(fā)明利用SIFT特征匹配提取特征描述子，并實(shí)現(xiàn)受檢測的可疑音頻片段在參考音頻文件中的對(duì)齊；再利用從SIFT關(guān)鍵點(diǎn)提取的時(shí)間伸縮因子，將可疑音頻片段分成多個(gè)分塊，時(shí)域分塊可直接用于識(shí)別惡意剪切和插入等行為；以及對(duì)于變調(diào)因子的估計(jì)，用于描述相應(yīng)的時(shí)頻單元，從而便于魯棒Hash計(jì)算；本發(fā)明通過匹配和Hash檢測，不但可以準(zhǔn)確鑒定可疑音頻片斷的完整性和真實(shí)性，而且可以對(duì)惡意篡改操作的位置精確鎖定并按類型分類。
【專利說明】一種基于頻譜SIFT特征描述子的音頻片段認(rèn)證方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于音頻認(rèn)證方面的信息安全和保護(hù)【技術(shù)領(lǐng)域】，涉及一種基于頻譜SIFT特征描述子的音頻片段認(rèn)證方法，具體涉及一種基于計(jì)算機(jī)視覺技術(shù)的、能夠以音頻片段為檢測對(duì)象的內(nèi)容認(rèn)證方法。
【背景技術(shù)】
[0002]音頻內(nèi)容認(rèn)證技術(shù)是一個(gè)實(shí)現(xiàn)對(duì)于音樂和語音等音頻數(shù)據(jù)的完整性與真實(shí)性進(jìn)行檢測和保護(hù)的有效技術(shù)，其目的主要是保證音頻傳輸?shù)慕邮芊降玫降臄?shù)據(jù)在傳送過程中沒有遭到第三方的惡意編輯和篡改，即從人類感知系統(tǒng)的角度上與原始音頻是完全相同的。與傳統(tǒng)簽名認(rèn)證不同的是，音頻等多媒體認(rèn)證所確保的是文件內(nèi)容的認(rèn)證而非簡單地保護(hù)比特流。音頻認(rèn)證目前在國家安全、商業(yè)機(jī)密、新聞錄音、音樂錄制發(fā)行和版權(quán)保護(hù)、軍事通信等許多領(lǐng)域都有重要應(yīng)用。
[0003]迄今為止，音頻認(rèn)證的研究只有少量方法發(fā)表，簡述如下。
[0004]文獻(xiàn)[I]提出了一種用于檢驗(yàn)內(nèi)容完整性的半脆弱語音水印技術(shù)，即指數(shù)級(jí)奇偶調(diào)制技術(shù)。該方法在DFT域嵌入水印，不需要額外數(shù)據(jù)輔助其完整性校驗(yàn)，并能區(qū)分惡意篡改和保持內(nèi)容操作，但是該方法只對(duì)重采樣、白噪聲污染和語音編碼等少數(shù)容許操作進(jìn)行了測試。
[0005]文獻(xiàn)[2]根據(jù)以下原理提出一種基于特征的認(rèn)證方法，即兩個(gè)聽覺質(zhì)量相似的音頻其掩蔽曲線也是高度相似的。首先通過計(jì)算音頻掩蔽曲線的Hash函數(shù)值，然后采用已知的數(shù)據(jù)隱藏方法將之作為水印嵌入到音頻信號(hào)中。在檢測時(shí)，將水印提取后與之前計(jì)算得到的Hash值比較，計(jì)算其相關(guān)系數(shù)。由于該系數(shù)隨著音頻聽覺質(zhì)量的下降也會(huì)有適度下降，因而可根據(jù)能接受的聽覺質(zhì)量標(biāo)準(zhǔn)適當(dāng)設(shè)置判斷門限。此方法能夠區(qū)分MP3等音頻信號(hào)處理和惡意篡改操作。
[0006]文獻(xiàn)[3]介紹了兩種用于音頻內(nèi)容認(rèn)證的方法。第一種討論了可能的音頻特征，以允許幾種后續(xù)信號(hào)處理；第二種為得到最高安全性，對(duì)每個(gè)比特的改變進(jìn)行檢測，并通過引入可逆水印的概念來重構(gòu)原始音頻；該方法進(jìn)而又結(jié)合數(shù)字簽名與數(shù)字水印，并使用密鑰產(chǎn)生一個(gè)可以公開驗(yàn)證并能重建原始音頻的方法。
[0007]文獻(xiàn)[4]提出的方法基于音頻指紋，采用魯棒哈希函數(shù)與魯棒水印結(jié)合的方法來驗(yàn)證音頻文件的完整性。實(shí)驗(yàn)主要對(duì)于MP3壓縮失真進(jìn)行了測試，在較高的采樣比特率如128kbps以上時(shí)可以達(dá)到7%以下的平均錯(cuò)誤率，但是在較低采樣率如32kbps時(shí)平均錯(cuò)誤率約在40%左右。
[0008]文獻(xiàn)[5]和文獻(xiàn)[6]中提到了分布式信源壓縮對(duì)于保持音頻和視頻質(zhì)量、檢測惡意攻擊操作的應(yīng)用。文獻(xiàn)[5]中利用參考音頻，通過Slepian-Wolf編碼和解碼過程來進(jìn)行具有魯棒性的音頻認(rèn)證，然而事先假設(shè)了待驗(yàn)證音頻和原始參考音頻是對(duì)齊的。文獻(xiàn)[6]中使用了緊致的哈希簽名，把參考數(shù)據(jù)庫的存儲(chǔ)空間減少20%-70%不等。
[0009]以上的音頻認(rèn)證方法都是在待認(rèn)證音頻與參考音頻長度相同的基礎(chǔ)上進(jìn)行的，但是在實(shí)際應(yīng)用中待認(rèn)證音頻經(jīng)常只是一個(gè)片段，因此本發(fā)明擬提供一種首次被研究的全新技術(shù):音頻片段內(nèi)容認(rèn)證。音頻片段認(rèn)證在傳統(tǒng)音頻認(rèn)證的基礎(chǔ)之上，能夠以一小段音頻與原長度的參考音頻相比較并匹配定位后，采用哈?；蛩∷惴ǖ玫秸J(rèn)證結(jié)果。
[0010]與本發(fā)明相關(guān)的參考資料有:
【權(quán)利要求】
1.一種基于頻譜SIFT特征描述子的音頻片段認(rèn)證方法，其特征在于，其包括:基于語譜圖SIFT局部描述子的片段對(duì)齊步驟0-4)、魯棒哈希值計(jì)算步驟(5飛)和認(rèn)證判決步驟(7): 步驟1，使用短時(shí)傅里葉變換(STFT)將一維音頻信號(hào)轉(zhuǎn)換成相應(yīng)的二維時(shí)頻表示，取100-3000Ηζ的中低頻段； 步驟2，計(jì)算特征描述子 分別計(jì)算可疑音頻信號(hào)和參考音頻信號(hào)的128維SIFT特征描述子，通過比較兩組描述子得到關(guān)鍵匹配點(diǎn)，設(shè)匹配對(duì)數(shù)為N，記為
2.按權(quán)利要求1所述的方法，其特征在于，所述步驟5的攻擊行為:時(shí)間縮放、變調(diào)、時(shí)域剪切或插入。
【文檔編號(hào)】G10L19/00GK103730128SQ201210389030
【公開日】2014年4月16日 申請(qǐng)日期:2012年10月13日 優(yōu)先權(quán)日:2012年10月13日
【發(fā)明者】李偉, 殷玥, 董旭炯 申請(qǐng)人:復(fù)旦大學(xué)