نهان کاوی گفتار در بیت های کم ارزش بر مبنای درصد نمونه های مجاور یکسان DOR:۲۰.۱۰۰۱.۱.۲۳۲۲۴۳۴۷.۱۴۰۰.۹.۱.۶.۳
عنوان مقاله: نهان کاوی گفتار در بیت های کم ارزش بر مبنای درصد نمونه های مجاور یکسان DOR:۲۰.۱۰۰۱.۱.۲۳۲۲۴۳۴۷.۱۴۰۰.۹.۱.۶.۳
شناسه ملی مقاله: JR_PADSA-9-1_006
منتشر شده در در سال 1400
شناسه ملی مقاله: JR_PADSA-9-1_006
منتشر شده در در سال 1400
مشخصات نویسندگان مقاله:
سعید یزدانپناه - دانشجوی دکتری گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
محمد خیراندیش - استادیار گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
محمد مصلح - دانشیار گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
خلاصه مقاله:
سعید یزدانپناه - دانشجوی دکتری گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
محمد خیراندیش - استادیار گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
محمد مصلح - دانشیار گروه مهندسی کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
عمومیت فایلهای صوتی، اغلب توجه مهاجمین و عناصر مخرب را برای استفاده از این حامل، جهت پوششدهی ارتباطات محرمانه خود جلب می نماید. گستردگی استفاده از این قالبها، به همراه رویکردهای متعدد و مدرنی که برای نهاننگاری در فایلهای صوتی طراحی شدهاند، میتوانند فضای سایبری را به محیطی نا امن بدل نمایند. در راستای مقابله با این تهدیدات، امروزه روشهای متعدد نهانکاوی ابداع شده اند که با دقت بالایی قادر به تحلیل آماری قالبهای مختلف صوتی، مانند MP۳ و VoIp هستند. در میان راهحلهای ارائه شده، ترکیب روشهای پردازش سیگنال و یادگیری ماشین، امکان ایجاد نهانکاوهایی با دقت بسیار بالا را فراهم نموده است. با این وجود، از آنجا که ویژگیهای آماری فایلهای صوتی گفتاری متفاوت از نمونههای دیگر صوتی است، روشهای جاری نهانکاوی قادر نیستند به شکل موثری فایلهای حامل گفتاری را تشخیص دهند. مشکل دیگر، ابعاد بالای تحلیلی است که به شکل چشمگیری هزینه پیادهسازی را افزایش میدهد. در پاسخ به مشکلات ذکرشده، این مقاله ویژگی یکبعدی "درصد نمونههای مجاور یکسان" را به عنوان فاکتور جداسازی نمونههای نهاننگاری شده از پاک مطرح میکند. نتایج نشانگر حساسیت ۸۲/۹۹% نهانکاو طراحی شده با استفاده از دستهبند تابع عضویت گاوسی، در نرخ نهاننگاری ۵۰% است. علاوه بر این، این نهانکاو قادر است با دقت مطلوبی حجم پیام مخفی شده را تخمین بزند. عملکرد الگوریتم طراحی شده بر روی یک پایگاه داده متشکل از نمونههای موسیقی کلاسیک نیز ارزیابی شده و نتایج حاکی از کارایی ۲/۸۱% آن هستند.
کلمات کلیدی: نهان کاوی گفتار, نهان کاوی صوتی, پردازش سیگنال های صوتی, LSB, نهان نگاری
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1203801/