sleepinghm的博客

网络语音流隐写分析全流程隐写分析流程介绍：基本知识1. 数据集准备(语音编码参数)1.1 使用现成的语音编码参数1.2 自己准备编码参数1.2.1 wav->pcm1.2.2 pcm->dat1.2.3 dat->txt2. 隐写分析2.1 RSMReference:隐写分析流程介绍：基于“手工特征+分类器”的隐写分析方法：基于深度学习的隐写分析方法：深度学习模型自动提取特征，经过分类层给出分类结果。基本知识隐写：在不影响载体质量的情况下将秘密信息隐藏在多媒体载体（图像，音频

一、介绍CNN能够从时间或空间数据中学习局部响应，但缺乏学习序列相关性的能力，而RNN能够处理任意长度的序列并捕获长期上下文依赖性[5，15]，本文指出了利用这两种结构的一种适当方法，并提出了一种新的CNN-LSTM VoIP流的QIM隐写检测模型。在该模型中，采用双向长短期记忆递归神经网络从语音中提取长期上下文信息，采用不同核尺寸的CNN层提取每个语音帧的局部特征。最后，利用全连通层和软最大...

一、191206 QUESTION1.什么是AMR编码？AMR编码采用ACELP标准编码。在编码过程中，编码器通过自适应码本和固定码本确定激励信号，使其通过线性预测合成过滤器，生成合成信号，又通过对合成信号和原始信号的比较不断调整自适应码本和固定码本，使加权误差达到最小化完成自适应码本和固定码本的搜索以获得最佳的语音质量。AMR根据对应的音频带宽不同，分为AMR-NB和AMR-WB，其中...

一、思想以G.723.1语音编码器为载体，针对QIM 隐写造成索引分布特征的改变，通过分布特征向量和转移概率矩阵进行了量化。由于分布特征向量和转移概率矩阵维数过高，会降低分类器的估计性能，因此使用 PCA 主成分分析法进行降维处理，在尽可能少丢失信息的基础上，减少了计算量，使得分类器对输入特征的判别更加有效。通过 LIBSVM 实现 SVM 分类器的判别作用，对五类待测样本进行大量实验。二...

一、基本思想提取特征：1.音素P(音标)进行LPC分析，得到LPC预测系数。2.矢量量化，获得量化矢量索引Ｉ。“P—>Ｉ”：每个P有一个Ｉ对应，Ｉ为Ｐ的量化特征索引。语音中的音素分布特性：一段语音中的各音素的出现是不均衡的，其次不同音素的出现存在相关性。设某段语音对应的音素序列为Ｓ＝Ｐ1…Ｐn-1Ｐn ，根据P—>Ｉ，与之对应的量化特征索引序列：Ｓ*＝Ｉ1…Ｉn-1Ｉn。...

1.隐写VoIP 的编码器都使用代数码本激励线性预测(ACELP) 编码规则编码，这是一种混合编码形式。主流方案是基于VoIP 编码器编码过程中的冗余提出的隐写方案：在编码中检测某些参数属于最低有效位，然后篡改为秘密信息这种属于最低有效位LSB隐写， 而利用 VoIP 编码器的码本编码特性划分码本来隐藏信息的方法叫做量化索引调制QIM 隐写：按照语音编码本来的原则将码本以某...