利用环境特征的数字语音被动取证及反取证技术研究

The flourish of digital signal manipulation techniques such as splicing, forgery, tampering seriously hamper the practical applications of digital speech signals in criminal justice, remote telephone bank, security VoIP, etc. Active forensic techniques such as multimedia hash, watermarking have been widely adopted to verify the authenticity and integrity of speech content, the reliability of its source. However, due to the limited generalization capability of these methods, digital speech passive forensics has attracted the attention of researchers, and becomes one of the top research areas. Digital speech passive forensics technique exploits the intrinsic fingerprint of speech to identify any tampering of speech content and tracks source of speech. In this project, robust environmental signatures are proposed to verify the authenticity and identify the tampering. It includes the following three topics: (1) Source authentication and tampering detection of speech signal via environmental signatures; (2) Robustness analysis of the forensics techniques; (3) Anti-forensics and its countermeasure on environmental signature-based forensics. The results will provide the theoretical and technical support for the security of digital speech.

合成、伪造、篡改等技术的发展严重阻碍了数字语音在司法取证、电话银行、安全VoIP等领域的应用。目前主要通过多媒体哈希、数字水印等主动技术来认证数字语音内容的真实性、完整性以及来源的可靠性。由于主动技术难以适应真实应用环境的需求，数字语音的被动取证技术成为了当前的研究热点。数字语音被动取证技术通过分析语音信号中存在的“内在指纹”特征与参考源的一致性，对数字语音内容进行鉴别、对语音来源进行追踪。本课题拟利用语音信号中鲁棒的环境特征，对语音进行篡改检测和认证。主要研究内容包括：（1）基于语音环境特征的语音来源认证和篡改检测；（2）对有损压缩鲁棒的语音取证算法研究；（3）对基于环境特征取证技术的反取证分析。研究成果将为数字语音安全提供理论保障和技术支持。

数字取证技术已经成为国内外的前沿课题，目前的许多重要进展多集中在图像的取证上，而面向语音或音频的取证的研究较少，尤其是对语音的被动取证的研究，还没有系统和成熟的框架。鉴于目前数字语音的应用日益广泛，而篡改传输和存储语音数据变得相对容易，也难以确认语音的来源。因此，本项目从被动取证的角度出发，利用数字语音在采集过程中所收集到的固有特性，正对语音内容篡改和来源来源认证进行了大量的研究。取得的主要成果如下：（1）提出了一种基于环境特征的语音拼接检测技术。该算法具有能有效的检测拼接检测的存在性并定位篡改位置，比同期其他算法更具有鲁棒性，在法庭司法取证方面具有重要意义；（2）提出了一种基于多特征融合的反取证检测算法。该方法考虑攻击者知道检测算法的前提下，对语音实施反取证操作，以掩盖篡改痕迹。提出的算法利用多特征融合思想，利用机器学习对反取证技术记性检测。该算法具有较高的检测精度，也对反取证技术研究具有推动作用；（3）提出了一种在噪声环境中检测语音伪装的算法。该算法利用频谱特征和机器学习的思想，在有噪声干扰的环境下，有效的检测伪装的语音。在说话人认证研究方面具有重要意义。课题组在国内外重要学术期刊上发表论文2篇，在国际重要学术会议上分组报告论文1篇，所发表的论文被SCI收了2篇，EI收录1篇，并共同指导2名研究生。