基于数据成分统计音频隐写的分析

《基于数据成分统计音频隐写的分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国科学技术人学硕十学位论文摘要摘要隐写术是信息隐藏的一个重要分支，是实现隐蔽通信的主要技术手段。隐写分析是对隐写术的攻击，目的是为了检测秘密消息的存在以至破坏隐蔽通信，是解决非法使用隐写术问题的关键技术。音频隐写分析是基于音频载体的隐写分析。根据音频隐写术的基本要求，数据的嵌入不能改变音频载体主要信息和能量，只能是改换那些听觉冗余信息，本文以WAV格式音频载体为对象，通过一些具体隐写技术来获得隐写音频载体，对同一音频载体隐写前后数据成分间存在的差异进行统计分析，并引用音频形态学变换和汉明距离概念，用高阶中心矩来描述，用支持向量机分类，

2、实现音频的被动隐写分析。本文的主要工作和特色是：1．提出了一种基于主元统计的音频隐写分析方法。该方法是一种基于数据二阶统计矩的线性算法，强调数据中的线性结构特征，其目的将含有噪声和高度相关的音频数据压缩降维，去除数据中相互重叠的信息，求出能表达数据依赖关系的主元。通过运用该方法提取隐写前后音频时域、小波域、频域的不重要主元进行高阶统计分析，实验表明，隐写分析全局检测率可超过95％。2．提出了一种基于独立分量统计的音频隐写分析方法。该方法着眼于数据间的高阶统计特性，强调的是数据间去除相关性的独立关系，其目的是将线性混叠的音频信号分解成为线

3、性独立的分量。通过运用该方法提取隐写前后音频的独立分量进行高阶统计分析，实验表明，隐写分析全局检测率可超过93％。3．提出了一种基于核主元统计的音频隐写分析方法。该方法是一种基于数据高阶统计矩的非线性变换，强调的是数据间的非线性关系，其目的是利用核函数把音频数据中不可线性分类的问题变换到高维特征空间实现线性分类。通过运用该方法提取隐写前后音频小波分解第二级细节分量的不重要核主元进行高阶统计分析，实验表明，隐写分析全局检测率可超过95％。关键词：隐写术音频隐写分析主元分析独立分量分析核主元分析中国科学技术人学硕十学位论文AbstractS

4、teganographyisanimportantbrancheofinformationhiding,andaprimarytechniqueinstrumentthatisusedtoactualizecovertcommunication．Steganalysisisattacktosteganography．Itspurposeistoexaminetheexistenceofsecretinformationuptodestroycoveftcommunication．Itisapivotaltechniquetosolvep

5、roblemrootinlawlessmakinguseofsteganography．Audiosteganalysisisasteganalysistechniquebasedonaudiocarrier．Onessentialprincipleofaudiosteganography,theembeddingofdatacsnnotinfluenceprimaryinformationandenergyofaudiofarrier,butmaychangethoseacousticalredundancyinformation．T

6、hispaperselectsWAVformataudiocarrierasobject,viasomeappointedstegnnographytoobtainstegoaudiocarrier,tostatisticallyanalyzeexistentdifferencethatisfromoriginalandstegodatacomponentoftheidenticalaudiocarrier,andrefc培nomenclatureofaudiomorphologytransformationandHammingdist

7、ance，todepictthisevidentdifferencebyhighordercentermoment,andclassesbysupportvectormachine,intheendactualizespassiveaudiosteganalysis．Themaininnovationpointsofthepapercanbebrieflydescribedasfollows：1．The,paperpresentsanaudiosteganalysismethodbasedonprincipalcomponentstat

8、istics．Thismethodisalineararithmeticbasedonsecondorderstatisticmomentofdata，itemphasizeslinearcharacter