基于贝叶斯网络的压缩语音信息隐藏检测

摘要 压缩语音量化索引调制（QIM）信息隐藏方法中，最近邻投影点QIM（NPP-QIM）方法具有较高的嵌入效率和隐蔽性。针对现有的隐写分析方法对NPP-QIM方法检测准确率不高的问题，提出了一种基于贝叶斯推理的检测方法以提高检测准确率。首先，利用矢量量化（VQ）码字（VQ1、VQ2、VQ3）构建了码字时空转移网络（CSTN）；接着，以码字转移指数对CSTN进行化简得到隐写敏感码字时空转移网络（SS-CSTN）；然后，基于SS-CSTN进一步构建了码字贝叶斯网络（CBN）；最后，使用Dirichlet分布作为先验分布学习网络参数，实现对QIM信息隐藏的检测。实验结果表明，在嵌入率为100%、时长为10 s时，与索引分布特征（IDC）方法和梅尔频率倒频系数（DMFCC）方法相比，提出CBN方法的检测准确率分别提高了25个百分点和 37个百分点；在时间性能方法，检测一段10 s的语音时间约为21 ms，能够实时检测