WavInWav: 基于可逆神经网络的时域语音隐藏

数据隐藏是数字媒体安全通信的关键技术，近年来深度神经网络（DNN）的发展为有效嵌入秘密信息提供了增强手段。然而，先前的音频隐藏方法在恢复秘密音频时往往质量不理想，这是由于它们在建模时频关系方面存在固有局限。本文探讨了这些局限并提出了一种新的 DNN 方法。我们采用基于流的（flow-based）可逆神经网络，在隐写音频、载体音频与秘密音频之间建立直接联系，增强嵌入与提取消息的可逆性。为解决时频变换在恢复过程中降低秘密音频质量的常见问题，我们在时域信号上实施时频损失。该方法不仅保留了时频约束的优势，还提升了消息恢复的可逆性，这对实际应用至关重要。我们还加入加密技术以保护隐藏数据免受未授权访问。在 VCTK 和 LibriSpeech 数据集上的实验结果表明，我们的方法在主观和客观指标上均优于先前方法，并对多种噪声表现出鲁棒性，表明其在定向安全通信场景中的实用性。