[发明专利]基于层次注意力网络模型的语音流隐写分析方法及系统有效
| 申请号： | 201910073812.1 | 申请日： | 2019-01-25 |
| 公开（公告）号： | CN109817233B | 公开（公告）日： | 2020-12-01 |
| 发明（设计）人： | 黄永峰;杨浩;杨忠良;鲍永健 | 申请（专利权）人： | 清华大学 |
| 主分类号： | G10L19/018 | 分类号： | G10L19/018 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张润 |
| 地址： | 10008*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于层次注意力网络模型的语音流隐写分析方法及系统，其中，该方法包括以下步骤：采集网络上的语音流，将语音流作为训练数据，其中，训练数据包含原始语音流片段以及嵌入秘密信息的语音流片段；将训练数据在层次注意力网络模型上进行学习，获得训练后的语音流隐写分析模型；通过滑动窗口方法获得语音载荷经过压缩量化之后的量化系数向量，并在层次注意力网络模型上对量化系数向量矩阵进行检测，确定待检测的量化系数向量是否经过隐写之后的语音得到，若是，则确定原始语音流为隐写语音流。该方法通过自动学习创建盲检测模型并能非常快速且准确的辨别网络语音流当中的隐写语音数据，其性能大幅好于之前的网络语音流隐写分析方法。 | ||
| 搜索关键词： | 基于 层次 注意力 网络 模型 语音 流隐写 分析 方法 系统 | ||
【主权项】：
1.一种基于层次注意力网络模型的语音流隐写分析方法，其特征在于，包括以下步骤：采集网络上的语音流，以将所述语音流作为训练数据，其中，所述训练数据中包含原始语音流片段以及嵌入秘密信息的语音流片段，原始数据类被标记为无隐写数据，嵌入信息的数据类被标记为有隐写数据；将所述训练数据在层次注意力网络模型上进行学习，以获得训练后的语音流隐写分析模型；以及通过滑动窗口方法获得语音载荷经过压缩量化之后的量化系数向量，并在所述层次注意力网络模型上对所述量化系数向量矩阵进行检测，以确定待检测的量化系数向量是否经过隐写之后的语音得到，其中，若是，则确定原始语音流为隐写语音流。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于清华大学，未经清华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910073812.1/，转载请声明来源钻瓜专利网。
