王宇 高飛鵬 鄭斌 楊潔

摘? 要： 對(duì)VoIP語音系統(tǒng)的信息隱藏算法進(jìn)行了深入研究。通過碼元組合排序及PESQ評(píng)價(jià)指標(biāo)確定了G.723.1編碼后碼流的待嵌入載體比特位。使用漢明編碼降低了嵌入過程中需要改變的載體數(shù)量，減小了嵌入過程導(dǎo)致的失真，并用混沌序列作為共享密鑰，使發(fā)送方和接收方之間可以通過偽隨機(jī)發(fā)生器生成單幀嵌入比特序列。引入分級(jí)編碼優(yōu)化了單幀嵌入比特序列的嵌入順序，進(jìn)一步降低了碼流調(diào)制引發(fā)的失真。實(shí)驗(yàn)結(jié)果證明，分級(jí)編碼使PESQ評(píng)級(jí)的優(yōu)化率達(dá)到了94.07%，進(jìn)一步增強(qiáng)了嵌入隱蔽性。

關(guān)鍵詞： 信息隱藏; G.723.1; 碼流調(diào)制; 分級(jí)漢明編碼

中圖分類號(hào)：TP391? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2021）02-04-04

Abstract： The information hiding algorithm for VoIP voice system is deeply studied. The carrier bits to be embedded in G.723.1 coded stream are determined by code element combination sorting and PESQ evaluation index. Hamming coding is used to reduce the number of carriers that need to be changed in the embedding process and reduce the distortion caused by the embedding process. Chaotic sequence is used as the shared key， so that the sender and receiver can generate a single frame embedded bit sequence through the pseudo-random generator. Hierarchical coding is introduced to optimize the embedding order of single frame embedded bit sequence， which further reduces the distortion caused by bit stream modulation. The experimental results show that hierarchical coding makes the optimization rate of PESQ rating reach 94.07%， which further enhances the embedding concealment.

Key words： information hiding; G.723.1; code stream modulation; hierarchical Hamming coding

0 引言

隨著網(wǎng)絡(luò)技術(shù)的普及和發(fā)展，互聯(lián)網(wǎng)已經(jīng)遍布人們的日常生活，在通信技術(shù)與數(shù)據(jù)科學(xué)日益發(fā)展的當(dāng)下，人們也面臨著諸多信息安全問題，如信息冒用、信息竊取、數(shù)據(jù)劫持等。為了提高特定場(chǎng)合中數(shù)據(jù)傳輸?shù)陌踩裕[寫（Steganography）技術(shù)作為一種高隱蔽性的加密手段成為了近年來一項(xiàng)熱門的研究話題[1]。其中，IP語音（Voice over IP，VoIP）由于其應(yīng)用范圍廣，使用場(chǎng)景多，傳播效率高，成為了信息隱藏技術(shù)中廣受青睞的載體[2-3]。VoIP系統(tǒng)通常使用低速率編碼器以節(jié)省帶寬資源，這種基于合成-分析法的線性預(yù)測(cè)編碼（Analysis by Synthesis-Linear Predictive Coding，AbS-LPC）的解碼器由于數(shù)據(jù)冗余量低，作為載體后將導(dǎo)致數(shù)據(jù)失真量大，所以對(duì)AbS-LPC低速率語音的信息隱藏將相對(duì)困難。

現(xiàn)有的研究中，針對(duì)AbS-LPC低速率語音的信息隱藏可以根據(jù)嵌入位置的不同分為三類。第一類使用了LPC合成濾波器進(jìn)行信息隱-藏[4-5];第二類采用了基音預(yù)測(cè)器進(jìn)行信息隱藏[6];第三類則是改變壓縮語音編碼碼流中特定編碼元素中進(jìn)行信息隱藏[7-8]。第三類方法在完成編碼的語音中進(jìn)行信息嵌入，具有實(shí)施簡(jiǎn)單、無需了解編碼器原理等優(yōu)點(diǎn)。

其中，文獻(xiàn)[7]引入了非活躍幀的概念，通過一種改進(jìn)的語音活動(dòng)檢測(cè)算法實(shí)現(xiàn)了對(duì)VoIP語音的大容量嵌入。文獻(xiàn)[8]使用矩陣編碼對(duì)G.729a編碼后的低速率語音進(jìn)行嵌入，通過客觀語音質(zhì)量評(píng)價(jià)標(biāo)準(zhǔn)PESQ進(jìn)行分析確定可隱藏位，使嵌入后的碼流具有較好的不可感知性。

本文將基于第三類方法，以G.723.1語音編碼器為例對(duì)完成編碼后的AbS-LPC低速率語音進(jìn)行信息隱藏研究。，該方法也適用于其他AbS-LPC低速率語音編碼器。不同于文獻(xiàn)[8]，本文通過隨機(jī)種子傳遞整體加密序列，并通過分級(jí)將幀間嵌入順序進(jìn)行優(yōu)化，大幅優(yōu)化了VoIP碼流的嵌入質(zhì)量。

1 關(guān)于G.723.1語音編碼的信息隱藏介紹

G.723.1是一種常用的網(wǎng)絡(luò)壓縮語音編解碼標(biāo)準(zhǔn)，夠用較低的帶寬提供較好的網(wǎng)絡(luò)語音傳輸。G.723.1低速率標(biāo)準(zhǔn)按照6.3KHz采樣，以30ms為一幀，一幀為24字節(jié)即192位。由于G.723.1編碼后每一幀中比特定義有所不同，對(duì)語音質(zhì)量的整體影響也存在差異。調(diào)制碼元時(shí)需要采用幀上不同位置的比特位作為載體進(jìn)行秘密信息的嵌入以達(dá)到語音音頻整體失真較少的目標(biāo)。其中，第7（VADFL-AG_B0）靜音幀、第8（RATEFLAG_B0）速率幀以及第104（UB）未使用幀為無效幀，在碼元調(diào)制時(shí)通常不做修改。故本文待選用的比特位共計(jì)189個(gè)。

2 PESQ評(píng)級(jí)確定載體

PESQ是一種客觀語音評(píng)價(jià)指標(biāo)。通過源文件與碼元調(diào)制后的文件就能夠?qū)π薷倪^后的文件進(jìn)行評(píng)級(jí)，結(jié)果區(qū)間為[0.5，4.5]。PESQ指標(biāo)越高，代表隱寫后語音音頻失真較小，音頻整體素質(zhì)較高，則隱寫隱蔽性高，嵌入效果好。PESQ的原理是通過比較參考信號(hào)和降級(jí)信號(hào)輸出一個(gè)對(duì)語音質(zhì)量失真的預(yù)測(cè)值，該評(píng)級(jí)能夠幫助本文對(duì)調(diào)制后的碼流質(zhì)量進(jìn)行合理評(píng)測(cè)。

本文將采用PESQ評(píng)級(jí)方法研究調(diào)制一幀中189個(gè)比特位對(duì)與整體語音質(zhì)量的影響效果，通過置反調(diào)制碼元獲得的PESQ-MOS值的優(yōu)劣選擇待修改比特位。其中，PESQ-MOS均值小于3.5的對(duì)應(yīng)比特位可以認(rèn)定失真較為嚴(yán)重，對(duì)音頻質(zhì)量整體質(zhì)量影響較嚴(yán)重。

Step1：選用長度為60秒的中、英文語音片段各160段進(jìn)行PESQ評(píng)級(jí)。讀入每個(gè)音頻，通過其幀集合進(jìn)行逐幀修改，可以獲得單個(gè)音頻對(duì)189位單獨(dú)置反后的PESQ-MOS值，由于G.723.1編碼對(duì)每一幀采用相同的編碼方法，故每幀中各個(gè)比特位幀定義相同且位置固定。本文對(duì)單個(gè)音頻的操作為逐幀置反對(duì)應(yīng)比特位，如式⑴。

其中，對(duì)單個(gè)樣本而言，時(shí)長為60秒的音頻擁有長度為[n=60×1000/30=2000]的幀集合[F]，在逐幀置反對(duì)應(yīng)比特后進(jìn)行PESQ評(píng)級(jí)可獲得當(dāng)前比特位的[MOS]值，即[F（j）mos]。通過對(duì)320個(gè)中、英文樣本中調(diào)制相同位置碼元得到的[MOS]評(píng)級(jí)取均值得到各比特位置反后的評(píng)級(jí)結(jié)果如式⑵。

通過實(shí)驗(yàn)，均值大于3.5即調(diào)制后失真較小的比特位共105個(gè)，評(píng)級(jí)結(jié)果如表1。

Step2：根據(jù)單比特排序后的結(jié)果，進(jìn)行比特組合以確定同一幀中能夠作為載體的最大比特?cái)?shù)量。根據(jù)研究，若有比特位集合[M=b1，b2…，bk ，1≤k≤189]那么其比特組合形成的載體集合在置反后對(duì)語音質(zhì)量的整體影響大于其子集置反結(jié)果。如式⑶。

其中，M為單比特置反后PESQ均值大于等于3.5的最低有效位集合。操作P表示根據(jù)集合中的比特位對(duì)音頻進(jìn)行逐幀修改。例如，本文選擇單比特置反結(jié)果中PESQ均值最佳的第64位[P64=4.367 ]與和PESQ均值較好但小于3.5的第123位[P123=3.490]進(jìn)行組合，在同時(shí)置反第64位與第123位后的PESQ評(píng)級(jí)同樣小于3.5且較第123位置反結(jié)果更差。

此外，若比特組合中各比特單個(gè)置反的PESQ評(píng)級(jí)較低，那么其組合后同時(shí)置反的結(jié)果也隨之變差。如式⑷。

綜上，若要減輕秘密信息嵌入后的失真情況，需要滿足其嵌入比特集合項(xiàng)數(shù)盡量少且其比特集合中單個(gè)比特的嵌入效果較好。故根據(jù)步驟一中的單比特排序結(jié)果，從優(yōu)至劣逐一加入待嵌入比特集合能夠得到當(dāng)前比特位數(shù)下的最佳嵌入效果。

因此，為滿足嵌入率盡量大的要求，逐一添加最優(yōu)單比特，在PESQ評(píng)級(jí)小于可忍受臨界值3.5時(shí)即可得到載體的最大嵌入位數(shù)。根據(jù)樣本測(cè)驗(yàn)結(jié)果，得到最大嵌入位數(shù)[kmax=8]。如式⑸。

若8個(gè)載體在嵌入過程中皆被置反，其320個(gè)樣本的PESQ-MOS均值為3.5317，但在嵌入9個(gè)最佳比特后，其均值降低至3.4713，已小于臨界值，即任意9比特組合均無法滿足條件。最終確定嵌入載體比特集[M={64，88，68，44，106，16，122，91}]。

3 基于混沌序列的分級(jí)矩陣編碼

Step1：若采取按位置反的方式進(jìn)行嵌入，則每一幀需要更改8個(gè)比特位。對(duì)音頻的整體影響較大，本文引入了矩陣編碼嵌入方式，能夠在只修改1比特位的前提下將k個(gè)秘密信息嵌入至[n= 2k-1]個(gè)載體中。假定有如下載體序列[C=c1，…，cn ，n≤8]，可獲得大小為[k×n]的編碼矩陣A，將載體C與A中各行相乘并連續(xù)亦或能夠得到結(jié)果集合[X]，根據(jù)漢明奇偶校驗(yàn)結(jié)果獲得[T]，通過對(duì)載體的第[T]位進(jìn)行置反即嵌入完成。其規(guī)則如式（6）。

Step2：已知單幀最高可嵌入比特位為8位，則單幀比特嵌入序列[λi]需要滿足式⑺。

例如，{3，1}，{1，1，1，2}等集合都是一幀中滿足條件的嵌入序列。本文將通過密鑰確定碼流中各個(gè)幀中的待嵌入比特序列，而使用偽隨機(jī)數(shù)發(fā)生器種子[K]確定的混沌序列[λ=λi∈1，3， i=1，2，…，L]可以高效率地傳輸嵌入和提取所需的密鑰。

Step3：由于在嵌入過程中載體比特的修改位置直接影響了碼流的質(zhì)量，為進(jìn)一步減小嵌入帶來的失真，本文引入了分級(jí)嵌入的方法，其原理如下。

前文已經(jīng)說明嵌入后語音質(zhì)量與載體選擇直接相關(guān)，其比特集合中每個(gè)元素的單比特修改結(jié)果越好，則嵌入后整體效果越好。根據(jù)密鑰[K]產(chǎn)生的單幀待嵌入比特序列[λi]并非最佳嵌入順序。例如集合{3，1}，根據(jù)矩陣編碼規(guī)則，若集合中的第二個(gè)元素需要通過改變載體進(jìn)行嵌入，則必然會(huì)修改第8個(gè)待選比特位。而將比特序列[λi]進(jìn)行排序后再進(jìn)行嵌入，則能夠保證嵌入單個(gè)秘密信息僅可能改變當(dāng)前最優(yōu)待選比特導(dǎo)致其嵌入質(zhì)量?jī)?yōu)于分級(jí)前。假定有單幀待嵌入載體集合[B]與單幀待嵌入比特序列[λi]，則有式⑻。

根據(jù)100個(gè)[K]生成的嵌入序列對(duì)320個(gè)樣品嵌入隨機(jī)秘密信息，對(duì)比分級(jí)編碼前后的PESQ-MOS值，在單幀比特序列[λi]分級(jí)后，語音質(zhì)量的優(yōu)化率達(dá)到了94.07%，進(jìn)一步減小了碼流調(diào)制過程中造成的失真。

4 結(jié)束語

由于VoIP語音數(shù)據(jù)冗余量低的特性，故基于AbS-LPC低速率語音的碼流調(diào)制通常會(huì)帶來較為嚴(yán)重的失真。本文以G.723.1語音編碼碼流為例，提出了一種基于漢明編碼的信息嵌入方法。通過PESQ評(píng)價(jià)指標(biāo)獲得可嵌入最低有效位，并通過比特組合等方法確定了單幀可修改的比特集合為單比特置反結(jié)果最佳的前8個(gè)比特位。本文采用漢明編碼的方式降低了單個(gè)語音幀修改的比特?cái)?shù)目且擁有較高的嵌入效率。本文創(chuàng)新性地引入了分級(jí)編碼以確定單幀嵌入的比特個(gè)數(shù)。在不同數(shù)據(jù)集和不同嵌入信息條件下的多組實(shí)驗(yàn)結(jié)果證明，本文提出的基于分級(jí)漢明編碼的VoIP語音隱寫方法能夠?qū)崿F(xiàn)94.07%的嵌入優(yōu)化率。相較于文獻(xiàn)[8]，進(jìn)一步降低了碼流調(diào)制造成的失真。下一步的研究，將探索低速率語音編碼的其他信息隱藏算法，以實(shí)現(xiàn)嵌入效率高、音頻失真小的目標(biāo)。

參考文獻(xiàn)（References）：

[1] Mazurczyk W. VoIP Steganography and its detection：a survey[J]. ACM Computing Survey，2013.2（46）：20

[2] Huang Y， Yuan J， Chen M， Xiao B. Key distribution over the covert communication based on VoIP[J].Chinese Journal of Electro-nics，2011.20（2）：357-360

[3] 田暉，郭舒婷，秦界，黃永峰，陳永紅，盧璥.基于可量化性能分級(jí)的自適應(yīng)IP語音隱寫方法[J].電子學(xué)報(bào)，2016.11：2735-2741

[4] Tian H，Liu J，Li S.Improving security of quantization-index-modulation steganography in low bit-rate speech streams[J].Multimedia Systems，2014.20（2）：143-154

[5] Chiang Y K，Tsai P，Huang F L.Codebook partition based steganography without member restriction[J].Fundamenta Informati-cae，2008.82（1）：15-27

[6] 吳志軍，李常亮，李榮.基于隨機(jī)位置選擇和矩陣編碼的語音信息隱藏方法[J].電子與信息學(xué)報(bào)，2020.42（2）：355-363

[7] Huang Y，Tang S，Yuan J.? Steganography in inactive frames of VoIP streams encoded by source codec[J.IEEE Transactions onInformation Forensics and Security，2011.6（2）：296-307

[8] 郭舒婷，田暉.一種基于G.729a語音的信息隱藏方法[J].華僑大學(xué)學(xué)報(bào)（自然科學(xué)版），2014.35（3）：277-282