[发明专利]基于电网频率相位时序表征的数字音频篡改被动检测方法及装置

说明书

本发明涉及一种基于电网频率相位时序表征的数字音频篡改被动检测方法及装置，首先对待检测音频数据进行处理得到电网频率(ENF)成分，基于DFT¹变换对ENF成分处理得到ENF相位根据待检测最长时长音频计算出帧数与帧长，并对ENF相位进行分帧处理获取相位时序表征；利用神经网络从ENF相位时序表征中获取ENF时序信息，经过拟合后分类。本发明能够有效提升系统的识别性能提高了模型泛化能力，优化了系统结构，提高了相应设备源识别产品的竞争力。

技术领域

本发明属于数字音频篡改检测技术领域，特别指一种基于电网频率相位时序表征的数字音频篡改被动检测方法及装置。

背景技术

数字音频是人们日常生活中最容易获得数字媒体之一。除了以购买、下载的方式获得音频文件外，还可以通过实时录制的方式生成音频/语音文件。然而，音频编辑和处理软件的不断发展和完善，使得对音频的编辑和修改变得更加简单和廉价。同时，人耳也很难察觉这种修改留下的痕迹。因此，如何有效验证数字音频的原始性、完整性和真实性，就成为了数字音频被动取证技术迫切需要解决的问题。

数字音频篡改被动检测是无需添加任何信息，仅靠音频自身特征来对数字音频的真实性和完整性进行分析判别的技术，对于复杂的取证环境具有现实意义。当录音设备采用电网供电时，录制的音频文件中残留有电网频率(Electirc Network Frequency,ENF)信号。当数字音频被篡改时这种ENF信号也会随着篡改操作发生变化，于是利用ENF信号的唯一性与稳定性进行音频篡改被动检测有了两种研究思路，第一是将音频中提取出的ENF信号与供电部门的ENF数据库进行对比，这种方法实现难度高，代价大；第二是提取ENF信号中的某些特征，进行一致性与规律性分析。目前利用ENF信号进行音频篡改取证的研究方法主要是利用传统机器学习方法对ENF信号的相位变化、相位的不连续性、瞬时频率突变等特征进行分类，从而达到篡改检测的目的，。

目前存在的数字音频检测方法中，大多是对相应特征设置阈值门限进行检测或采用机器学习方法进行分类。这些方法往往存在经验成分过多或是对于某一种篡改方法针对性太强和识别率不够的问题。

近年来，随着机器学习算法性能的提升和计算机存储、计算能力的提高，深度神经网络(Deep Neural Network，DNN)被应用到音频篡改检测领域中。在深度神经网络中可以DNN深层次的非线性变换更好的拟合音频篡改的特征，实现自动学习与检测，具有识别率高的优点。因此，本发明采用Bi-LSTM网络对电网频率相位时序表征进行训练，将ENF相位分割成帧，使得每帧表示为一段时间内ENF的变化信息。然后利用双向的LSTM网络(Bi-LSTM)输出每个时间步的状态，可以通过ENF突变点的前后时间步信息，共同决定该处异常区域是否为篡改区域。最后利用DNN分类器拟合后判决输出。充分利用ENF时序信息，获得更高的检测精度。

发明内容

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于电网频率相位时序表征的数字音频篡改被动检测方法，其特征在于，包括

对待检测音频数据进行处理得到电网频率(ENF)成分，基于DFT¹变换对ENF成分处理得到ENF相位根据待检测最长时长音频计算出帧数与帧长，并对ENF相位进行分帧处理获取相位时序表征；

利用神经网络从ENF相位时序表征中获取ENF时序信息，经过拟合后分类。

在上述的一种基于电网频率相位时序表征的数字音频篡改被动检测方法，对原始语音信号进行处理得到电网频率(ENF)成分，具体包括：

下采样将信号重采样频率定为1000HZ或者1200HZ；

使用10000阶的线性零相位FIR滤波器进行窄带滤波，中心频率在ENF标准处，带宽为0.6HZ，通带波纹0.5dB,阻带衰减为100dB。