[发明专利]一种基于伪Zernike矩的语音内容认证方法

说明书

技术领域

本发明涉及一种语音识别，尤其是语音内容真实性和完整性认证问题的解决方法。 

背景技术

近年来，数字化语音通信的迅猛发展和各种语音产品的广泛普及，以及各种功能强大的音频处理软件的出现，使得数字语音的传输与应用日益变得频繁与广泛。与此同时，篡改传输和存储的语音内容数据变得相对容易。例如，一段重要的法庭证词录音，在存储、传输过程中如果要害部分内容被恶意篡改，其后果可想而知！。因此，如何鉴别一段重要或敏感的语音内容是否被篡改过，哪里被篡改了，语音记录来源是否真实、可信，这些涉及数字语音真实性的认证问题，引起了国内外学者极大的研究兴趣。音频水印技术作为一种保护音频的技术手段，从上世纪90年代出现就受到了人们的重视，并成为信息安全研究领域的热点。 

与音频信号相比，语音信号具有采样率低，对常规信号处理更加敏感等特点。因此，现有的很多音频内容认证算法无法用于语音内容认证，或者用于语音内容认证的效果不是很理想。现实生活中，针对音频更多的是解决版权保护问题，而针对语音则更多的是解决内容真实性和完整性认证问题。基于数字水印的语音内容认证技术，如果嵌入的水印与语音自身内容无关，一方面会增加信息的传输量，另一方面也存在一定的安全隐患，所以基于语音自身特征或内容来生成水印的语音认证算法就更具有研究意义和实用价值。 

伪Zernike矩(Zernike矩)的幅值具有旋转不变性的特征，该特征已广泛地 应用于图像表示、图像检索和图像水印等领域，而在音频上的应用还很少。文献“Robust audio watermarking based on low-order Zernike moments”(Xiang Shi-jun，Huang Ji-wu，Yang Rui，5^th International Workshop on Digital Watermarking，pp226-240，Oct.2006)首先对音频进行一维到二维的变换，然后对相应的二维信号进行Zernike变换。通过实验证明了Zernike矩的幅值对常规信号处理具有很强的鲁棒性；同时分析了Zernike矩的幅值和音频样本值的线性关系，由此提出了基于低阶Zernike矩的鲁棒音频水印算法。文献“A pseudo-Zernike moments based audio watermarking scheme robust against desynchronization attacks”(Wang Xiang-yang，Ma Tian-xiao，Niu Pan-pan，Computers and Electrical Engineering，vol.37，no.4，pp.425-443，July 2011)首先在时域基于统计均值嵌入同步码，然后量化伪Zernike矩的幅值嵌入水印，提出了基于伪Zernike矩的抗同步攻击的音频水印算法。对于上述的基于伪Zernike矩(Zernike矩)的水印算法，一方面，需要计算所有样本点的伪Zernike矩，计算量较大，耗费的时间较长。水印的嵌入是通过同比例地缩放各音频段的样本值来完成的。分析表明，直接缩放音频样本值对原始音频的改变量较大，对原始音频信号的质量造成较大的破坏；另一方面，水印的嵌入位置和方法是公开的，各音频帧的特征(伪Zernike矩)的计算也是已知的。于是，攻击者可以找到各音频帧的位置并计算每帧的特征，重新量化伪Zernike矩来去除嵌入的水印，使算法失去保护版权的作用。或者，攻击者可以使用其它的音频段来替换含水印的音频，然后量化替换后的音频内容，使其满足水印正确提取的条件，对其内容实施攻击。因此，研究基于内容的抗攻击能力强的语音内容认证算法具有重要的现实意义。 

发明内容

鉴于现有技术的不足，本发明的目的在于提供一种基于伪Zernike矩的语音内容认证算法，该算法能够有效地区分对语音的常规信号处理操作和恶意攻击，并能有效定位语音内容恶意篡改的位置，从而实现语音内容的真实性和完整性认证。 

为实现这样的目的，本发明以DCT低频系数的伪Zernike矩幅值对常规信号处理的鲁棒性为依据，设计了一种新的水印生成和嵌入方法。 

一种基于伪Zernike矩的语音内容认证方法，能够有效区分常规信号处理操作和恶意攻击，同时对恶意攻击能够有效地篡改定位。从而实现语音内容的真实性和完整性认证，包括如下具体步骤：