FCEM：一种基于多头注意力的VoIP流实时隐写分析快速相关性提取模型
多媒体
2020-04-16 v2
摘要
以高计算效率提取码字间的相关性特征对VoIP(Voice over IP)流的隐写分析至关重要。本文中，我们利用注意力机制——其因高度可并行计算及在序列相关性建模中的灵活性近期受到极大关注——来解决压缩VoIP流中基于量化索引调制(QIM)隐写术的隐写分析问题。我们设计了一种轻量级神经网络，名为快速相关性提取模型(FCEM)，仅基于一种称为多头注意力的注意力变体，从VoIP帧中提取相关性特征。尽管形式简单，FCEM在预测准确率与时间效率上均优于复杂的循环神经网络(RNNs)与卷积神经网络(CNNs)模型。它显著改进了近期在检测低嵌入率与短样本方面的最佳结果。此外，当样本长度短至0.1秒时，所提模型将检测速度提升至原先的两倍，使其成为在线服务的优异方法。
引用
@article{arxiv.1911.00682,
title = {FCEM: A Novel Fast Correlation Extract Model For Real Time Steganalysis of VoIP Stream via Multi-head Attention},
author = {Hao Yang and ZhongLiang Yang and YongJian Bao and Sheng Liu and YongFeng Huang},
journal= {arXiv preprint arXiv:1911.00682},
year = {2020}
}
备注
5 pages, 2 figures. accepted by ICASSP'2020