[논문 리뷰] Hide and Speak: Deep Neural Networks for Speech Steganography

Felix Kreuk, Yossi Adi외 3명|arXiv (Cornell University)|2019. 02. 07.

Advanced Steganography and Watermarking Techniques참고 문헌 28인용 수 15

한 줄 요약

이 논문은 다양한 신호 품질 제약 조건을 만족시키기 위해 미분 가능한 단기 푸리에 변환(STFT) 및 역-STFT 계층을 사용하여 음성 신호에 비밀 메시지를 임베딩하는 딥러닝 기반 스텔라그라피 방법을 제안한다. 이 방법은 청각 품질을 유지하면서도 고품질의 메시지 복원과 다중 메시지 임베딩을 가능하게 하며, 인간 청취자들은 수정 사항을 감지하지 못하고 복호화된 메시지는 매우 명료하게 유지된다.

ABSTRACT

Steganography is the science of hiding a secret message within an ordinary public message, which is referred to as Carrier. Traditionally, digital signal processing techniques, such as least significant bit encoding, were used for hiding messages. In this paper, we explore the use of deep neural networks as steganographic functions for speech data. We showed that steganography models proposed for vision are less suitable for speech, and propose a new model that includes the short-time Fourier transform and inverse-short-time Fourier transform as differentiable layers within the network, thus imposing a vital constraint on the network outputs. We empirically demonstrated the effectiveness of the proposed method comparing to deep learning based on several speech datasets and analyzed the results quantitatively and qualitatively. Moreover, we showed that the proposed approach could be applied to conceal multiple messages in a single carrier using multiple decoders or a single conditional decoder. Lastly, we evaluated our model under different channel distortions. Qualitative experiments suggest that modifications to the carrier are unnoticeable by human listeners and that the decoded messages are highly intelligible.

연구 동기 및 목표

• 비전 기반 모델에 영향을 받은 기존 모델의 한계를 해결하기 위해 음성 신호에 특화된 딥 네트워크 기반 스텔라그라피 시스템을 개발하는 것.
• 미분 가능한 STFT 및 iSTFT 계층을 통해 신호 제약 조건을 강제하여 스텔라그라피 수정 사항이 청각적으로 감지되지 않도록 보장하는 것.
• 단일 음성 캐리어에 여러 비밀 메시지를 임베딩하기 위해 다중 디코더 또는 단일 조건부 디코더를 사용하는 것.
• 실세계 통신 환경에서 흔히 발생하는 다양한 채널 왜곡 상황에서 제안된 방법의 강건성을 평가하는 것.

제안 방법

• 딥 네트워크 내부에 STFT 및 역-STFT(iSTFT)를 미분 가능한 계층으로 통합하여 신호 일관성을 강제하고 출력이 유효한 오디오 웨이브폼임을 보장하는 것.
• 에코더가 음성 캐리어의 STFT 도메인에 비밀 메시지를 임베딩하는 엔드 투 엔드 학습 가능한 오토인코더 유사 아키텍처를 사용하는 것.
• 수정된 STFT를 시간 도메인으로 다시 변환하기 위해 iSTFT를 통한 미분 가능한 재구성 과정을 적용하여 전체 스텔라그라피 파이프라인을 통해 역전파가 가능하도록 하는 것.
• 임베디드 메시지를 추출하기 위해 조건부 디코더 또는 다중 디코더를 사용하여 단일 음성 캐리어에 다중 메시지 스텔라그라피를 구현하는 것.
• 오디오 품질과 비밀 메시지 정확도를 균형 있게 유지하기 위해 재구성 손실과 메시지 재구성 손실의 조합을 사용해 모델을 훈련하는 것.
• 일반화 및 강건성을 향상시키기 위해 여러 공개 음성 데이터셋에 대해 데이터 증강 및 정규화 기법을 적용하는 것.

실험 결과

연구 질문

• RQ1 딥 네트워크는 청각 투명성을 유지하면서 음성 신호에 비밀 메시지를 효과적으로 임베딩할 수 있는가?
• RQ2 제안된 미분 가능한 STFT 기반 아키텍처는 비전 기반 스텔라그라피 모델 대비 음성 품질과 메시지 정확도 측면에서 어떻게 비교되는가?
• RQ3 다중 디코더 또는 단일 조건부 디코더를 사용할 때, 단일 음성 캐리어에 얼마나 많은 메시지를 임베딩할 수 있는가?
• RQ4 노이즈, 압축, 필터링과 같은 다양한 채널 왜곡 상황에서 제안된 스텔라그라피 시스템은 얼마나 강건한가?

주요 결과

• 제안된 방법은 높은 청각 품질을 달성했으며, 정성적 听음 테스트에서 인간 청취자들이 음성 캐리어의 수정 사항을 감지하지 못했다.
• 복호화된 메시지는 매우 명료하게 유지되어 여러 데이터셋에서 비밀 메시지 복원 성능이 뛰어났다.
• 미분 가능한 STFT 및 iSTFT 계층의 사용으로 네트워크 출력이 유효한 오디오 웨이브폼으로 제약을 받게 되어 신호 품질이 향상되고 아티팩트가 감소했다.
• 모델은 다중 메시지 임베딩을 성공적으로 지원하여 다중 디코더 또는 조건부 디코더를 사용해 단일 캐리어에 하나 이상의 비밀 메시지를 임베딩할 수 있음을 입증했다.
• 시스템은 다양한 채널 왜곡에 대해 강건성을 보였으며, 추가 노이즈 및 압축 조건에서도 메시지 무결성이 유지되었다.
• 정량적 분석을 통해 오디오 품질과 메시지 복원 정확도 측면에서 기준 딥러닝 스텔라그라피 모델 대비 뛰어난 성능을 확인했다.