基于滑动谱特征与智能推理驱动的音频同步隐写检测与分布式引导推理模型研究
声音
2025-05-07 v1 人工智能
密码学与安全
音频与语音处理
摘要
随着短视频平台在全球通信中的兴起，将隐写数据嵌入音频同步流中已成为一种新的隐蔽通信方法。为解决传统技术在检测同步隐写方面的局限性，本文提出了一种基于短视频「鱼盘」样本（由中国南海舰队在 TikTok 上发布）的检测与分布式引导重建模型。该方法集成了滑动谱特征提取与智能推理机制。采用 25 毫秒的滑动窗口结合短时傅里叶变换 (STFT) 提取主频轨迹，构建同步帧检测模型 (M1)，识别帧标志为 'FFFFFFFFFFFFFFFFFF80'。随后通过结构化模型 (M2) 解码 32 字节有效载荷，以推断分布式引导命令。分析显示，在 36至 45 秒的音频片段中，存在低熵、重复的字节序列且谱能高度集中，确认了同步帧的存在。尽管未恢复明文语义，但命令字段布局的一致性表明其具备军事通信协议的特征。多段拼接模型进一步表明跨视频嵌入和集中解码能力。该框架验证了滑动谱特征在同步隐写检测中的有效性，并为在开放平台上进行隐蔽通信分析和战术指挥模拟构建了可扩展的推理模型。
引用
@article{arxiv.2505.03193,
title = {A study on audio synchronous steganography detection and distributed guide inference model based on sliding spectral features and intelligent inference drive},
author = {Wei Meng},
journal= {arXiv preprint arXiv:2505.03193},
year = {2025}
}
备注
This paper proposes a novel framework for detecting steganographic content in short video audio streams using sliding spectral features and distributed inference models, combining STFT analysis, entropy-based synchronization, and deep learning-driven decoding strategies