KaydedilenlerDerginizi ekleyin

Dergiler / Uludağ Üniversitesi Mühendislik Fakültesi Dergisi / 2014 / Cilt: 19 - Sayı: 1

A New Approach For Speech Audio Steganalysis Using Delay Vector Variance Method

Konuşma Sesleri Steganalizine Gecikmeli Vektör Varyans Metodunu Kullanan Yeni Bir Yaklaşım

Emrah YÜRÜKLÜ
Osman Hilmi KOÇAL
Erdoğan DİLAVEROĞLU
Sayfa
27–36
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

DVV özelliklerini baz alan önerilen steganalizörün performans başarımı ise nümerik değerlerle verilmiştir

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada gecikmeli vektör varyans metodunun, kayıt edilmiş konuşma seslerinin steganalizinde kullanımı araştırılmıştır.
📊
Temel Bulgular & Veri:Konuşma sinyali içerisine veri gizlemenin orijinal ses verisinin özelliklerini bozacağı gerçeğinden göz önünde bulundurarak, vekil verileri kullanan gecikmeli vektör varyans (DVV) özelliklerindeki değişimi kontrol eden ve böylece stego-sinyalin varlığını tespit etmeye çalışan yeni bir steganalizör tasarlanmıştır.
💡
Sonuç & Katkı:DVV özelliklerini baz alan önerilen steganalizörün performans başarımı ise nümerik değerlerle verilmiştir
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Steganografi · steganaliz · konuşma

Özet

Bu çalışmada gecikmeli vektör varyans metodunun, kayıt edilmiş konuşma seslerinin steganalizinde kullanımı araştırılmıştır. Konuşma sinyali içerisine veri gizlemenin orijinal ses verisinin özelliklerini bozacağı gerçeğinden göz önünde bulundurarak, vekil verileri kullanan gecikmeli vektör varyans (DVV) özelliklerindeki değişimi kontrol eden ve böylece stego-sinyalin varlığını tespit etmeye çalışan yeni bir steganalizör tasarlanmıştır. DVV özelliklerini baz alan önerilen steganalizörün performans başarımı ise nümerik değerlerle verilmiştir

Abstract

We investigate the use of delay vector variance-based features for recorded speech steganalysis. Considering that data hiding within a speech signal distorts the properties of the original speech signal, we design a steganalyzer that uses surrogate data based delay vector variance (DVV) features to detect the existence of a stego-signal. We evaluate the performance of the proposed DVV features as steganalyzer with numerical results

🔖

Bu Makaleye Atıf Yap

YÜRÜKLÜ, E., KOÇAL, O. H., DİLAVEROĞLU, E. (2014). A New Approach For Speech Audio Steganalysis Using Delay Vector Variance Method. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, Cilt: 19 - Sayı: 1, 27–36. https://ajindex.com/articles/330185

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (9)

  1. Westfeld, A.P. (2003).
  2. Detecting Low Embedding Rates, Fabien A. P. Petitcolas (Ed.): Information Hiding. 5th International Workshop, IH 2002 Noordwijkerhout, pp. 324–339, Springer-Verlag Berlin Heidelberg. Fridrich, J. and Goljan, M. (2002). Practical Steganalysis of Digital Images - State of the Art, Proc. SPIE Photonics West, Vol. 4675, pp. 1—13. Johnson, M.K., Lyu, S. and Farid, H. (2005).
  3. Steganalysis of Recorded Speech, Proc. SPIE Symposium on Electronic Imaging, San Jose, CA. Westfeld, A.P. and Pfitzmann, A. (1999).
  4. Attacks on steganographic systems, Information Hiding, LNCS 1768, pp. 61-66,
  5. Springer-Verlag Heidelberg. Koçal, O.H., Yürüklü, E. and Avcıbaş, İ. (2008). Chaotic-type features for Speech Steganalysis, IEEE Transactions on Information Forensics and Security, Vol. 3, Issue 4, pp. 651- 661. Altun, O., Sharma, G., Celik, M., Sterling, M., Titlebaum, E. and Bocko, M. (2005). Morphological Steganalysis of Audio Signals and the Principle of Diminishing Marginal Distortions”, IEEE Int. Conf. on Acoustics, Speech, and Signal Processing, Proceedings. (ICASSP '05), Vol. 2, pp. 21- 24. Ozer, H., Avcibas, I.,, Sankur, B. and Memon, N. (2003). Steganalysis of Audio Based on Audio Quality Metrics, Proc. SPIE, Security and Watermarking of Multimedia Contents V, Vol. 5020, pp. 55-66.
  6. Kokkinos, I. and Maragos, P. (2005). Nonlinear Speech Analysis Using Models for Chaotic Systems, IEEE Transactions on Speech and Audio Processing, Vol. 13, No. 6, pp. 1098-1109.
  7. Banbrook, M. and McLaughlin, S., (1999). Speech Characterization and Synthesis by Nonlinear Methods”, IEEE Transactions on Speech and Audio Processing, Vol. 7, No. 1, pp. 1- 17. Theiler, J., Eubank, S., Longtin, A., Galdrikian, B. and Farmer, J. D. (1992). Testing for Nonlinearity in Time Series: The Method of Surrogate Data, Physica D 58. pp. 77 - 94. Gautama, T., Mandic, D.P. and Van Hulle, M.M. (2003). Indications of nonlinear structures in brain electrical activity, Physical Review E, Vol. 67, No. 046204. Schreiber, T. and Schmitz, A. (1997). Discrimination power of measures for nonlinearity in a time series, Phys. Rev. E, Vol:55. pp. 5443-5447.
  8. Gautama, T., Mandic, D.P. and Van Hulle, M.M. (2004). A Novel Method for Determining the Nature of Time Series, IEEE Transactions On Bıomedical Engineering, Vol. 51, No. 5. Simmons, G. J. (1984). Prisoners' Problem and the Subliminal Channel (The), CRYPTO83 Advances in Cryptology, pp. 51-67.
  9. Bender, W., Gruhl, D., Morimoto, N. and Lu, A. (1996). Technique