基于小波包统计量的音频隐秘检测算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (34): 162-164.

基于小波包统计量的音频隐秘检测算法

宋坤,杨晓元,刘佳,潘峰

武警工程学院电子技术系网络与信息安全武警部队重点实验室，西安 710086

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-01 发布日期:2007-12-01
通讯作者: 宋坤

Detection algorithm of audio steganography based on wavelet packet statistics

SONG Kun,YANG Xiao-yuan,LIU Jia,PAN Feng

Key Laboratory of Network and Information Security Engineering，College of the APF，Xi’an 710086，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-01 Published:2007-12-01
Contact: SONG Kun

摘要/Abstract

摘要： 提出了一种基于小波包分解和多类支持向量机分类的音频隐秘检测算法，该算法首先对音频文件进行小波包分解，然后根据小波分解系数绝对值和绝对值线性预测的误差生成特征向量，并采用多类支持向量机进行模式分类。在不同嵌入率下对几种常见的隐秘软件生成的隐秘音频进行仿真试验，结果表明，该算法具有较强的通用性，对于隐密音频文件具有较高的识别率。

关键词: 多类支持向量机, 小波包分解, 隐密音频检测

Abstract: A new detection of steganography algorithm based on wavelet statistics of audio and multi-class SVM is proposed.In this algorithm，wavelet packet decompision is implemented to audio files，the magnitude of decomposition coefficients and the error between the actual coefficient and the predicted coefficient magnitudes are used to yield statistics.The multi-class support vector machine algorithm has been employed in the pattern discrimination.Stego audios created by several tools are tested under different embed rates.The experimental results show that the algorithm has stronger universal performance and higher discriminating rate.

Key words: multi-class SVM, wavelet packet decomposition, dection of steganography audio

宋坤,杨晓元,刘佳,潘峰. 基于小波包统计量的音频隐秘检测算法[J]. 计算机工程与应用, 2007, 43(34): 162-164.

SONG Kun,YANG Xiao-yuan,LIU Jia,PAN Feng. Detection algorithm of audio steganography based on wavelet packet statistics[J]. Computer Engineering and Applications, 2007, 43(34): 162-164.

[1]	陈景霞，郑茹，贾小云，张鹏伟. 共空间模式结合小波包分解的脑电情感分类[J]. 计算机工程与应用, 2019, 55(1): 149-153.
[2]	刘文培1，李凤莲1，张雪英1，田玉楚1，2. 面向人脸识别的WPD-HOG金字塔特征提取方法[J]. 计算机工程与应用, 2018, 54(22): 150-155.
[3]	郭红想，严军，王典洪，余蓓蓓. 基于小波包和组合分类器的脑电信号分类[J]. 计算机工程与应用, 2016, 52(18): 148-153.
[4]	唐昌令，彭国华. 基于小波包分解的整体变分去噪算法[J]. 计算机工程与应用, 2013, 49(6): 156-158.
[5]	徐攀1，苏光伟2. 基于小波系数相关性的图像隐写分析[J]. 计算机工程与应用, 2012, 48(28): 178-182.
[6]	赵健，林晓圆，谢瑜. 基于Arnold置乱和小波包分解的自适应水印算法[J]. 计算机工程与应用, 2011, 47(11): 197-200.
[7]	师黎，陈明静. 基于小波包分解和遗传神经网络的癫痫识别[J]. 计算机工程与应用, 2010, 46(12): 218-220.
[8]	张昊,陶然,李志勇,杜华. 动态剪枝二叉树多类SVM在入侵检测中的研究[J]. 计算机工程与应用, 2009, 45(2): 13-15.
[9]	王新金¹,张华²,曹祥红¹,崔光照¹. 小波包分解和模糊聚类下的基因表达数据分析[J]. 计算机工程与应用, 2009, 45(19): 128-130.
[10]	何爱香朱云华安凯. 一种SRBCT亚型识别与特征基因选取方法[J]. 计算机工程与应用, 2007, 43(3期): 223-223.
[11]	郑金兴. 基于混合智能计算的铣刀状态监测[J]. 计算机工程与应用, 2007, 43(32): 233-236.
[12]	翟俊海¹，王熙照¹，张素芳^1,2. 基于小波变换和多类支持向量机的图像分类[J]. 计算机工程与应用, 2007, 43(16): 47-49.