CC BY
12
УДК 004.056.2 М.Е. Коллар
Цифровое маркирование аудиосигналов, основанное на модуляции MCLT-коэффициентов
Методы сокрытия данных в аудиосигналах имеют различные приложения, такие как цифровое маркирование и стеганография. Производится краткое описание нового разработанного метода цифрового маркирования аудиосигналов, который основывается на модулированном комплексном перекрывающем преобразовании, МСЬТ-преобразовании. Особенность данного алгоритма маркирования - сохранение качества звучания маркированных сигналов. Исследуются зависимости между изменяемыми параметрами метода и качеством звучания аудиосигнала, а также поведение встроенного в сигнал маркера при проведении атак на аудиосигнал. На основании проведенных экспериментов делается вывод о возможности использования разработанного метода цифрового маркирования для подтверждения аутентичности звуковых файлов, распространяемых в сети Интернет или подтверждение целостности передаваемых аудиофайлов.
Ключевые слова: сокрытие данных в аудиосигналах, цифровое маркирование, целостность, аутентичность,
МСЬТ-преобразование.
ао1: 10.21293/1818-0442-2021-24-3-57-61
Применение аудиостеганографии имеет широкие возможности использования в аудиоиндустрии, криминалистике, защите данных. В статье описывается разработанный метод маркирования? способный сохранять качество звучания аудиосигнала после внедрения данных. Разработанный метод будет использоваться для подтверждения целостности маркированных аудиофайлов. В связи с этим встраиваемый маркер должен легко разрушаться при негативных воздействиях.
На данный момент существует множество вариантов маркирования и преобразования аудиосигналов. Чтобы выявить наиболее подходящую основу для разработанного метода, проведен анализ существующих методов маркирования.
Анализ существующих методов
Метод сокрытия информации в наименьших значащих битах широко применяется для внедрения цифровых маркеров в несжатые аудиосигналы. Основное достоинство данного метода заключается в возможности внедрить большой объем информации в небольшой аудиосигнал [1]. К недостаткам относятся невысокая скрытность внедренного маркера и широкая известность применяемого алгоритма маркирования.
Преимущество метода, основанного на изменении амплитуды, скорости затухания и сдвига аудиосигнала, заключается в высокой скрытности внедряемого маркера и сохранениЬ качества звучания. Недостатками являются малый объем встраиваемых данных, битов маркера и высокие вычислительные затраты [2].
Метод внедрения данных в фазу сигнала признан наиболее подходящим для дальнейшего исследования [3]. Это связано с тем, что он обладает высокой скрытностью и позволяет сохранить качество аудиосигнала при маркировании. Также данный метод маркирования более устойчив к влиянию случайных воздействий на аудиосигнал. Недостаток данного метода - возможное появление эха в марки-
рованном аудиосигнале - может быть устранен при использовании подходящего преобразования аудиосигнала.
Разработанный алгоритм цифрового маркирования аудиосигналов, не искажающий качества звучания, пригодный для подтверждения целостности аудиосигналов, основан на модулированном комплексном перекрывающем преобразовании, далее -МСЬТ-преобразовании [4-6].
МСЬТ - обратимое преобразование с перекрытием. С его помощью возможно осуществить быстрое преобразование данных из цифровой формы в комплексную, с которой удобно работать при фазовой модуляции, а также легко их восстановить без потери качества и затирания внедренной информации. Еще одним достоинством МСЬТ-преобразова-ния является его нераспространенность, что позволило разработать новый метод маркирования.
Ранее уже производились попытки использования МСЬТ-преобразования для маркирования аудиосигналов. Так, замена только фазы МСЬТ-коэффици-ентов - комплексных чисел [7] приводит к появлению эха в маркированном сигнале. Когда используется метод маркирования с изменяемой силой встраивания [4, 8, 9], тогда при увеличении силы встраивания количество верно извлеченных из сигнала символов маркера увеличивается, но качество сигнала становится неприемлемым.
Методы встраивания и извлечения данных
Разработанный метод цифрового маркирования -доработанная версия метода [4], который является результатом слияния алгоритмов изменения фазы МСЬТ-коэффициентов [6] и внедрения данных с определенной силой встраивания [8]. Его особенность - внедрение данных в фазовую и амплитудную составляющие МСЬТ-коэффициентов с определенной силой встраивания. Так, изменению подвергаются и мнимая, и действительная части выбранного для встраивания МСЬТ-коэффициента (1)-(3). Для извлечения данных принятый звуковой сигнал под-
вергается прямому MCLT-преобразованию. Принятие решения относительно встроенной единицы или нуля основывается на формуле (4).
Яе(С (г, ])) 3 -—— 5 + 5 -, встраивается 1;
Яе(С (г, ])) 5 (1) --—— 5 +—, встраивается 0.
Ке (С(г, ]))=
5
4
1т(С'(/, ]))=
1т(С (г, ])) 3
-—— Б +5 —, при встраивании 1;
1т(С (г, ])) 5 (2) -—— 5 +—, при встраивании 0.
С (г, ] ) =Яе(С' (г, ] )) +1т(С (г,] )) I. (3)
Д =
1,Яе(С"(г,]))-+1т (С ( г, ] ))-
^е (С'(г, ])) 1т (С (г, ]))
5+
> 5;
(4)
0, иначе,
где С(1,}) - MCLT-коэффициент; С"(/,}) - коэффициент после внедрения данных; Ке(С(/,})) - действительная часть коэффициента; 1т(С(/, /)) - мнимая часть коэффициента; - сила встраивания; I - мнимая единица; [ ] - взятие наибольшего целого, меньшего или равного данному вещественному числу (оператор «пол»); Zi - извлекаемый бит; С"(/, /) -МСЬТ-коэффициент, полученный после прямого преобразования при извлечении данных.
Исследование изменяемых параметров встраивания
В предложенном методе встраивания данных существуют параметры, изменение которых ведет к получению различных характеристик маркированного сигнала. Данные параметры: исходный сигнал, длина МСЬТ-фрейма, сила встраивания, шаг встраивания. Для верного извлечения встроенного маркера должны быть известны длина МСЬТ-фрейма, сила встраивания и шаг встраивания.
Проведены эксперименты по внедрению двоичной последовательности в звуковые сигналы, относящиеся к разным музыкальным жанрам: рок, классика и поп. При этом изменялись перечисленные выше параметры. Длина МСЬТ-фрейма в серии опытов была равна четырем. Результаты экспериментов приведены в сводной табл. 1.
По результатам установлено, что при длине МСЬТ-фрейма, равной четырем, доля верно извлеченных символов близка к 100%. Также выявлена зависимость между шагом встраивания процентом верно извлеченных символов и отношением сигнал/шум при силе встраивания равной одному. Так, чем больше шаг встраивания, тем меньше данных внедряется в сигнал, тем больше отношение сигнал/шум и, соответственно, лучше качество звучания сигнала.
Проверка помехоустойчивости встроенного маркера
Проверка стойкости встраиваемого маркера необходима, чтобы установить, пригоден ли разработанный метод цифрового маркирования для подтверждения целостности аудиосигналов. Требуется, чтобы при малейшем изменении аудиосигнала маркер разрушался. Для проверки данного свойства маркера смоделированы атаки на маркированные аудиосигналы.
Предполагается, что цель злоумышленника -удаление или изменение внедренного маркера [1, 10-12] без ухудшения качества маркированного аудиосигнала. Поэтому требуется определить параметры атак аудиосигналов, при которых качество исходного сигнала не ухудшается. Изменениям будут подвержены также эталонные, немаркированные сигналы. Таким образом, будут установлены такие параметры атаки, при которых факт произведенной атаки нельзя установить без специальной проверки. Качество звучания проверяется субъективно, а также аналитически с помощью расчёта параметра сигнал/шум.
В идеальных условиях, когда маркированный аудиосигнал не подвергается негативным влияниям, удается верно извлечь 95-100% внедренного маркера. Если же доля совпадения внедренной и извлеченной двоичной последовательности составляет менее 70%, считается, что аутентичность сигнала не доказана.
Для проведения проверок выбраны следующие типы атак [12-14]:
- зашумление сигнала - воздействие на сигнал аддитивного белого Гауссовского шума. Реализуется путем прибавления к информационному сигналу случайной компоненты [15]:
- фильтрация сигнала осуществляется с помощью использования фильтра нижних частот Баттер-ворта, реализованного в МатЛабе.
- реверберация аудиосигнала - постепенное уменьшение интенсивности звука при его многократных отражениях [16].
Подготовка исходных данных
К исходным данным относятся исходный маркер, три эталонных аудиосигнала разных жанров музыки, 30 маркированных файлов, по 10 файлов каждого жанра. Аудиосигналы маркируются с разными шагами встраивания от 50 до 500.
Характеристики исходных маркированных сигналов представлены в сводной табл. 1. К ним относятся качество звучания аудиосигнала (отношение сигнал/шум), процент верно извлеченных символов двоичной последовательности. В таблице отображается зависимость данных характеристик от шага встраивания маркера. Качество маркированных аудиофайлов определялось на слух и было признано удовлетворительным.
Выбор параметров атак. Атака эталонных аудиосигналов
Для выбора параметров осуществляются атаки на эталонные сигналы. Критерии выбора параметров атаки - приемлемое аналитическое и субъективное качество звучания аудиосигнала. Качество
аудиосигнала считается приемлемым, если отношение сигнал/шум больше или равно 30. При проведении данного этапа исследования три эталонных звуковых файла с музыкальными композициями разных жанров подвергаются негативным воздействиям. После атаки с использованием различных параметров измеряется качество звучания сигнала. Результаты атак эталонных сигналов приведены в сводной табл. 2.
- Зашумление аудиосигнала.
С увеличением параметра шума происходит незначительное снижение отношения сигнал/шум. Однако при проведении субъективной оценки слышимости атака заметна.
- Фильтрация аудиосигнала.
Качество звучания аудиосигнала при фильтрации для выбранных параметров признано приемлемым при проведении субъективного и аналитического анализа.
- Реверберация аудиосигнала.
При уменьшении значения изменяемого параметра не происходит значительного изменения сигнала, при увеличении появляется эхо, слышимое без использования специальной аппаратуры. Несмотря на то, что отношение сигнал/шум имеет невысокие значения, субъективно воздействие атаки на сигнал не заметно.
Таблица 1
Характеристики исходного маркированного аудиосигнала.
Шаг Встроено бит Классика Рок Поп
Сигнал/шум Извлечено бит % Сигнал/шум Извлечено бит % Сигнал/шум Извлечено бит %
50 1024 19,7 1011 98,7 12,5 981 95,8 23,2 1012 98,8
100 512 22,9 507 99,0 15,4 499 97,5 26,1 507 99,0
150 341 24,55 335 98,2 17,1 325 95,3 28,1 339 99,4
200 256 25,7 253 98,8 18,4 248 96,9 28,6 255 99,6
250 205 26,6 203 99,0 19,2 198 96,6 30,2 204 99,5
300 170 27,3 168 98,8 19,9 160 94,1 30,7 168 98,8
350 146 27,9 145 99,3 20,6 140 95,9 31,6 143 97,9
400 128 28,3 127 99,2 21,4 124 96,9 31,9 127 99,2
450 114 28,8 113 99,1 21,9 108 94,7 32,5 114 100
500 102 29,2 101 99,0 22,3 100 98,0 32,7 102 100
Таблица 2
Зависимость качества звучания эталонного сигнала при его зашумлении, фильтрации и реверберации
Зашумление аудиосигнала Фильтрация аудиосигнала Реверберация аудиосигнала
Параметр шума Отношение сигнал/шум Параметр фильтра Отношение сигнал/шум Параметр Реверб. Отношение сигнал/шум
Классика Поп Рок Классика Поп Рок Классика Поп Рок
1 х10-5 36,9 40,4 31,1 0,05 6,4 4,9 3,24 0,01 9,5 8,4 5,7
2 х10-5 33,9 37,4 28,2 0,1 10,9 7,7 5,21 0,02 9,5 9,4 5,3
3 х10-5 32,1 35,6 26,4 0,2 16,3 11,5 8,21 0,04 10,1 9,4 5,3
4 х10-5 30,9 34,4 25,1 0,3 20,1 14,3 10,62 0,06 10,2 9,4 6,2
5 х10-5 29,9 33,4 24,3 0,4 23,1 16,6 12,79 0,08 10,2 9,2 5,6
6 х10-5 29,1 32,6 23,2 0,5 25,8 18,8 14,96 0,1 10,3 9,3 5,6
7 х10-5 28,5 31,9 22,5 0,6 28,5 21,2 17,29
8 х10-5 27,9 31,4 21,9 0,7 31,6 23,9 20,06
9 х10-5 27,4 30,1 21,4 0,8 35,5 27,7 23,74
1 х10-4 26,9 30,4 21,1 0,9 41,7 33,7 29,84
Таблица 3
Процент верно извлеченных символов маркера при проведении атак зашумления сигнала, _фильтрации сигнала и реверберации сигнала_
Зашумление аудиосигнала Фильтрация аудиосигнала Реверберация аудиосигнала
Параметр Шума % Параметр фильтра % Параметр реверб. %
Классика Поп Рок Классика Поп Рок Классика Поп Рок
1 х10-5 22,4 22,5 23,3 0,05 23,9 22,7 23,4 0,01 24,5 23,8 24,5
2 х10-5 22,9 22,9 24,4 0,1 21,4 22,3 23,7 0,02 23,4 24,9 24,9
3 х10-5 22,6 22,4 24,2 0,2 23,3 23,8 25,9 0,04 22,8 24,9 24,9
4 х10-5 24,6 24,9 25,9 0,3 22,6 25,7 25,8 0,06 22,7 23,1 23,1
5 х10-5 25,3 25,3 26,1 0,4 23,1 22,8 26,9 0,08 22,6 25,8 25,8
6 х10-5 25,9 25,9 23,7 0,5 21,1 23,7 25,8 0,1 22,5 23,8 23,1
7 х10-5 28,6 28,9 21,5 0,6 24,5 25,6 24,8
8 х10-5 27,5 27,8 31,8 0,7 23,9 25,8 27,9
9 х10-5 20,1 20,2 23,6 0,8 21,7 19,7 24,1
1 х10-4 22,5 22,5 19,9 0,9 19,4 28,3 22,6
Атаки маркированных аудиосигналов
Далее атакам подвергаются исходные маркированные аудиосигналы, при этом использовались параметры атак, представленные в сводной табл. 2. Результаты исследования представлены в сводной табл. 3, при этом перечислены средние значения процентов верно извлеченных маркеров при указанных параметрах атак.
Из полученных результатов видно, что встраиваемый в аудиосигналы маркер теряет свою целостность под воздействием атак. Так, при осуществлении негативных воздействий указанными ранее способами верно удалось извлечь не более 35% от внедренного маркера. Данная закономерность выявлена для всех используемых типов атак.
Заключение
В рамках данной работы разработан метод цифрового маркирования, основанный на MCLT-пре-образовании. Алгоритм позволяет маркировать аудиосигналы без ухудшения качества их звучания.
В ходе проведения исследований выявлены параметры, при которых достигаются высокое качество звучания аудиосигнала, измеренное с помощью отношения сигнал/шум, и наибольшая доля верно извлеченных символов маркера.
На основании проведенных исследований установлено, что маркер является «хрупким». Это свидетельствует о том, что целостность маркированных аудиофайлов нарушается при изменениях аудиосигнала. В связи с этим разработанный алгоритм может применяться для подтверждения подлинности передаваемых аудиофайлов.
Литература
1. Гофман М.В. Методика цифрового маркирования аудиосигналов для скрытой акустической связи через воздушный аудиоканал / М.В. Гофман, А.А. Корниенко, Е.Т. Мирончиков // Известия СПб. ун-та путей сообщения. -2018. - Т. 15, № 2. - С. 280-294.
2. Тутубалин П.И. Вероятностные модели обеспечения информационной безопасности автоматизированных систем обработки информации и управления / П.И. Тутубалин, В.С. Моисеев. - Казань: Школа, 2008. - 151 с.
3. Грибунин В.Г. Цифровая стеганография: учеб. пособие / В.Г. Грибунин, И.Н. Оков, И.В. Туринцев. - М.: Солон-пресс, 2020. - 263 с.
4. Литвинцева М.Е. Методы встраивания информации в аудиосигнал путем фазовой модуляции MCLT-коэф-фициентов / М.Е. Литвинцева, М.В. Гофман // Транспорт: проблемы, идеи, перспективы: сб. тр. LXXXIX Всерос. науч.-техн. конф. студентов, аспирантов и молодых ученых. - СПб.: ПГУПС, 2019. - С. 200-203.
5. Гофман М.В. Скрытая передача данных через воздушный аудиоканал маркированными аудиосигналами / М.В. Гофман, А.А. Корниенко // Сб. науч. статей VIII Междунар. науч.-техн. и науч.-метод. конф. «Актуальные проблемы инфотелекоммуникаций в науке и образовании (АПИН0-2019)». - СПб.: СПбГУТ, 2019. - С. 361-365.
6. Malvar H. Modulated Complex Lapped Transform and its Applications to Audio Processing // IEEE International Conference on Acoustics, Speech, and Signal Processing. -Phoenix: IEEE, 1999. - Vol. 1. - P. 1421-1424.
7. Kiho С. Robust Data Hiding for MCLT Based Acoustic Data Transmission / C. Kiho, S.Y. Hwan, S.K. Nam // IEEE
Signal Processing Letters. - 2010. - Vol. 17, No. 7 -P. 715-718.
8. Efficiently Self-Synchronized Audio Watermarking for Assured Audio Data Transmission / W. Shaoquan, H. Jiwu, H. Daren, Q.S. Yun // IEEE Transactions on Broadcasting. -2005. - Vol. 51, No. 1. - P. 69-76.
9. Гофман М.В. Метод трехэтапной скрытой передачи информации маркированными цифровыми аудиосигналами / М.В. Гофман, А.А. Корниенко // Информационная безопасность регионов России (ИБРР-2019). XI СПб. межрег. конф. - СПб.: СПОИСУ, 2019. - С. 312-313.
10. Detection of audio covert channels using statistical footprints of hidden messages / H. Ozer, I. Avciba, B. Sankur, N. Memon // Digital Signal Processing. - 2016. - Vol. 16, No. 4. - P. 389-401.
11. Steganalysis of audio based on audio quality metrics / H. Ozer, I. Avciba, B. Sankur, N. Memon // Proceedings of the Conference on Security, Steganography and Watermarking of Multimedia, Contents V. - Hong Kong: MECS Press, 2003. -Vol. 5020. - P. 55-66.
12. Multi-Level Reversible Data Anonymization via Compressive Sensing and Data Hiding / M. Yamac, N. Passalis, M. Ahishali, J. Raitoharju // IEEE Transactions on Information Forensics and Security. - 2021. - Vol. 16. - P. 1014- 1028.
13. StirMark Benchmark: Audio Watermarking Attacks / M. Steinebach, F. Petitcolas, F. Raynal, J. Dittmann, C. Fontaine, S. Seibel, N. Fates // International Conference on Information Technology: Coding and Computing (ITCC). - Las Vegas: IEEE, 2001. - Vol. 1. - P. 49-54.
14. Kang H. Two-stage noise aware training using asymmetric deep denoising autoencoder / H. Kang, J. Shin, W. Hyun // IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). - 2016. - URL: https://ieeexplore.ieee.org/abstract/document/7472782 (дата обращения: 01.02.2021).
15. Yamac M. Robust Data Hiding Scheme for Com-pressively Sensed Signals / M. Yamac, B. Sankur, M. Gabbouj // 26th European Signal Processing Conference (EUSIPCO). -Rome: IEEE, 2018. - Vol. 1. - P. 1760-1764.
16. Гинкин Г.Г. Справочник по радиотехнике: учеб. пособие. - М. - Л.: Гос. энерг. изд-во, 1948. - 821 с.
Коллар Мария Евгеньевна
Студентка каф. информатики и информационной безопасности Петербургского государственного университета путей сообщения Александра I Московский пр-т, 9, г. Санкт-Петербург, 190031 Тел.: +7-911-132-27-62 Эл. почта: mashuny.lit@gmail.com
Kollar M.E.
Digital audio watermarking based on the modulation of MCLT-coefficients
Audio data hiding techniques have various applications such as audio watermarking and steganography. This article provides a brief description of a new method of digital audio watermarking that has been developed based on a modulated complex lapped transform (MCLT). The new audio watermarking algorithm saves the sound quality of the marked signals. The experimental results show the dependence of the sound quality of the marked audio signal on the parameters of
the marking method. Moreover, the results of the experiments show the influence of various attacks on the marked audio signal. Based on conducted experiments, it is concluded that the new method of digital audio watermarking can be used to confirm the authenticity of audio files distributed through the Internet or to confirm the integrity of the transmitted audio files.
Keywords: audio data hiding, digital audio watermarking, integrity, authenticity, modulated complex lapped transform. doi: 10.21293/1818-0442-2021-24-3-57-61
References
1. Gofman M.V., Kornienko A.A., Mironchinkov E.T. Methodology of digital marking of audio signals for hidden acoustic communication through an air audio channel. Izvesti-ya Petersburg Transport State University, 2018, vol. 15, no. 2, pp. 280-294 (in Russ.).
2. Tutubalin P.I., Moiseev V.S. Veroyatnostnie modeli obespecheniya informacionnoy beasopastnosti avtomatiziro-vannih system obrabotki informacii i upravleniya [Probabilistic models for ensuring information security of automated information processing and management systems]. Kazan, Shkola Publ., 2008, 151 p.
3. Gribunin V.G., Okov I.N. Turincev I.V. Cifrovaya ste-ganografya [Digital steganography]. Moscow, Solon-press Publ., 2020, 263 p.
4. Litvintceva M.E., Gofman M.V. Metodi vstraivaniyz informacii v audiosignal putyom fazovoi modulyzcii MCLT coefficientov [Methods of embedding information in an audio signal by phase modulation of MCLT-coefficients]. Transport: problem, idei, perspektivi. Sbornik trudov LXXXIX Vse-rossiyskoi nauchno-tehnicheskoi konferenzii studentov, aspir-antov I molodih uchonih [Transport: problems, ideas, prospects. Proceedings of the LXXXIX All-Russian Scientific and Technical Conference of Students, postgraduates and young scientists]. St. Petersburg, PGUPS Publ., 2019, vol. 1, pp. 200-203 (in Russ.).
5. Gofman M.V., Kornienko A.A. Skritaya peredacha dannih cherez vosduhniy audiokanal markirovannimi audiosignalami [Hidden data transmission via an aerial audio channel with labeled audio signals]. Sbornik nauchnih statey VIII Mejdunarodnoy nauchno-tehnicheskoi I nauch-no-metodicheskoi konferencii Aktualnie problem infotele-komunikaziy v nauke I obrasovanii (APINO 2019) [Proc. of scientific articles of the VIII International scientific-technical and scientific-methodological conference Actual Problems of Infotelecommunications in Science and Education (APINO 2019)], SPb., SPbGUT Publ., 2019, vol. 1, pp. 361-365 (in Russ.).
6. Malvar H. Modulated Complex Lapped Transform and its Applications to Audio Processing. IEEE International Conference on Acoustics, Speech, and Signal Processing. Phoenix, IEEE Publ., 1999, vol. 1, pp. 1421-1424.
7. Kiho C., Hwan S.Y., Nam S.K. Robust Data Hiding for MCLT Based Acoustic Data Transmission. IEEE Signal Processing Letters, 2010, vol. 17, no. 7, pp. 715-718.
61
8. Shaoquan W., Jiwu H., Daren H., Yun Q.S. Efficiently Self-Synchronized Audio Watermarking for Assured Audio Data Transmission. IEEE Transactions on Broadcasting, 2005, vol. 51, no. 1, pp. 69-76.
9. Gofman M.V., Kornienko A.A. Metod trehetapnoi skritoy peredachi informaciicmarkirovannimi cifrovimi audiosignalami [The method of three-stage hidden transmission of information by labeled digital audio signals]. Informacionnaya besopasnost regionov Rossii (IBRR-2019). XI Sankt-Peterburgskaya mejregionalnaya konferenciyz [Information security of the regions of Russia (IBRR-2019). XI St. Petersburg Interregional Conference]. SPb., SPOISU Publ., 2019, vol. 1, pp. 312-313 (in Russ.).
10. Ozer H., Avciba I., Sankur B., Memon N. Detection of audio covert channels using statistical footprints of hidden messages. Digital Signal Processing, 2016, vol. 16, no. 4, pp. 389-401.
11. Ozer H., Avciba I., Sankur B., Memon N. Steganaly-sis of audio based on audio quality metrics. Proceedings of the Conference on Security, Steganography and Watermarking of Multimedia, Contents V. Hong Kong, MECS Press Publ., 2003, vol. 5020, pp. 55-66.
12. Yamac M., Passalis N., Ahishali M., Raitoharju J. Multi-Level Reversible Data Anonymization via Compressive Sensing and Data Hiding. IEEE Transactions on Information Forensics and Security, 2021, vol. 16, pp. 1014-1028.
13. Steinebach M., Petitcolas F., Raynal F., Dittmann G, Fontaine C., Seibel S., Fates N. StirMark Benchmark: Audio Watermarking Attacks International Conference on Information Technology: Coding and Computing (ITCC). Las Vegas, IEEE Publ., 2001, vol. 1, pp. 49-54.
14. Kang H., Shin J., Hyun W. Two-stage noise aware training using asymmetric deep denoising autoencoder. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2016, available at: https://ieeexplore.ieee.org/abstract/document/7472782 (Accessed: February 01, 2021).
15. Yamac M., Sankur B., Gabbouj M. Robust Data Hiding Scheme for Compressively Sensed Signals. 26th European Signal Processing Conference (EUSIPCO). Rome, IEEE Publ., 2018, vol. 1, pp. 1760-1764.
16. Ginkin G.G. Spravochnik po radiotehnike [Handbook of Radio Engineering]. Moscow-Leningrad, Gosudar-stvennoe energeticheskoe izdanie Publ., 1948, 821 p.
Mariia E. Kollar
Student, Department of Information Technology and IT Security, Emperor Alexander I St. Petersburg State Transport University 9, Moskovskiy st., St. Petersburg, Russia, 190031 Phone: +7-911-132-27-62 Email: mashuny.lit@ gmail.com
