F3SNet：基于层次注意力网络的四步压缩语音QIM隐写分析方法
密码学与安全
2021-02-08 v2
摘要
传统的基于机器学习的压缩语音隐写分析方法在通信安全领域已取得巨大成功。然而，以往研究缺乏对码字间相关性的数学描述与建模，且在小尺寸、低嵌入率样本的隐写分析上仍有改进空间。为应对该挑战，我们利用贝叶斯网络度量线性预测编码中码字间的不同类型相关性，并提出F3SNet——一种基于层次注意力网络的四步策略：嵌入、编码、注意力与分类，用于压缩语音的量化索引调制隐写分析。其中，嵌入将码字转换为高密度数值向量，编码利用LSTM的记忆特性通过将所有信息分布于其向量中保留更多信息，注意力进一步确定哪些向量对最终分类结果影响更大。为评估F3SNet性能，我们将其与现有隐写方法进行全面比较。实验结果表明，F3SNet超越了现有最优方法，尤其在小尺寸与低嵌入率样本上。
引用
@article{arxiv.2101.05105,
title = {F3SNet: A Four-Step Strategy for QIM Steganalysis of Compressed Speech Based on Hierarchical Attention Network},
author = {Chuanpeng Guo and Wei Yang and Liusheng Huang},
journal= {arXiv preprint arXiv:2101.05105},
year = {2021}
}
备注
There was a major error in the paper I submitted, which led to a large error in the conclusion