大数据环境下批量语音内容认证及篡改恢复技术研究

Different from the existing works in the fields of digital speech content authentication and tampering recovery, this project considers the massive speech authentication and tampering recovery under the application environments of big data. Meanwhile, it tries to build a complete digital speech content batch authentication and tampering recovery scheme, which satisfies the demands on authentication speed, detection precision and quality of recovery as the starting points. This project includes the following three topics: (1) Using the intrinsic features of speech data, a tampering recovery method will be designed to recover the tampered speech content without embedding any recovery information; (2) By analyzing the robustness of voiceprint features, a grouping method used to divide the massive digital speech signals will be proposed, which ensures that the speech grouping is unaffected after being attacked. (3) A complete batch authentication and tampering recovery scheme of speech content will be proposed based on the hierarchical architecture and parallel computing technology. The research results will provide important theoretical basis and reference value for the research and development of large-scale data forensics.

不同于数字语音内容认证及篡改恢复等领域已有的研究工作，本课题以大数据下的海量语音认证及篡改恢复为应用环境，从认证速度、检测精度、恢复质量等实际需求为出发点，构建完整的批量数字语音内容认证及篡改恢复方案。本课题主要研究内容包括：(1)研究利用语音数据固有的特征，在不嵌入任何恢复信息的前提下实现语音被篡改内容的恢复；(2)通过分析声纹特征的鲁棒性，设计稳定的海量语音数据分组方法，使得语音数据在遭受攻击后仍能够实现有效、准确的分组。(3)采用多层分级和并行计算的执行模式，构建一套较完整的批量语音内容认证及篡改恢复方案。研究成果将为未来大规模语音取证领域的研究与发展提供重要的理论依据和参考价值。

随着多媒体技术的发展和编辑软件的出现，使得网络多媒体数据的篡改和伪造变得十分容易，海量数字语音的安全问题已成为制约其普及的重要因素。因此，本项目以大数据环境下的语音内容认证和篡改恢复为应用环境，从数据安全性、数据处理效率以及数据恢复等实际需求为出发点开展相关研究。本项目主要研究内容包括：(1)针对网络中数据存在大量冗余、复杂、不规则的特征，探索数据的特性及数据之间的相互关系，设计合适的特征优化方案。(2)针对网络中大量数据的特征和现有多媒体语音数据固定分帧的缺点，通过主动和被动两个维度，探讨多媒体数据内容的版权保护和内容完整性认证。(3)针对现有算法缺乏对被篡改内容的恢复，从多媒体数据自恢复角度出发，挖掘多媒体数据压缩算法，实现对多媒体数据内容的篡改检测及恢复。研究成果对于数字语音内容认证和篡改恢复技术的发展和应用有明显的理论意义和实用价值。