[论文解读] Real-Time Lightweight Chaotic Encryption for 5G IoT Enabled Lip-Reading Driven Secure Hearing-Aid

Ahsan Adeel, Jawad Ahmad+1 more|arXiv (Cornell University)|Sep 13, 2018

Speech and Audio Processing参考文献 17被引用 4

一句话总结

该论文提出了一种基于5G物联网的实时轻量级音视频助听系统，利用基于唇读的深度学习进行语音增强，并采用新型混沌加密方案实现安全通信。该框架实现了低于5ms的往返延迟，在低信噪比环境（例如-12dB信噪比）下优于仅音频方法，且在安全性方面表现优异，NPCR达99.95%，UACI为33.39%。

ABSTRACT

Existing audio-only hearing-aids are known to perform poorly in noisy situations where overwhelming noise is present. Next-generation audio-visual (lip-reading driven) hearing-aids stand as a major enabler to realise more intelligible audio. However, high data rate, low latency, low computational complexity, and privacy are some of the major bottlenecks to the successful deployment of such advanced hearing aids. To address these challenges, we envision an integration of 5G Cloud-Radio Access Network, Internet of Things (IoT), and strong privacy algorithms to fully benefit from the possibilities these technologies have to offer. The envisioned 5G IoT enabled secure audio-visual (AV) hearing-aid transmits the encrypted compressed AV information and receives encrypted enhanced reconstructed speech in real-time which fully addresses cybersecurity attacks such as location privacy and eavesdropping. For security implementation, a real-time lightweight AV encryption is utilized. For speech enhancement, the received AV information in the cloud is used to filter noisy audio using both deep learning and analytical acoustic modelling (filtering based approach). To offload the computational complexity and real-time optimization issues, the framework runs deep learning and big data optimization processes in the background on the cloud. Specifically, in this work, three key contributions are reported: (1) 5G IoT enabled secure audio-visual hearing-aid framework that aims to achieve a round-trip latency up to 5ms with 100 Mbps datarate (2) Real-time lightweight audio-visual encryption (3) Lip-reading driven deep learning approach for speech enhancement in the cloud. The critical analysis in terms of both speech enhancement and AV encryption demonstrate the potential of the envisioned technology in acquiring high-quality speech reconstruction and secure mobile AV hearing aid communication.

研究动机与目标

• 解决现有仅音频助听器在嘈杂环境中语音可懂度差的问题，尽管已进行放大处理。
• 克服实时音视频助听系统部署中的挑战，包括高数据速率、低延迟、低计算复杂度以及强隐私保护需求。
• 集成5G云无线接入网（C-RAN）与物联网技术，实现压缩音视频数据的安全、低延迟传输。
• 开发一种轻量级、实时的加密方案，可抵御常见网络攻击（如窃听和位置跟踪）。
• 通过云端深度学习与声学建模，将计算复杂度卸载至云端，同时保持实时性能。

提出的方法

• 采用分段线性混沌映射（PWLCM）和切比雪夫映射生成伪随机序列，用于基于流密码的音视频加密。
• 设计一种新型替代盒（S-Box），结合混沌映射与安全哈希函数，以增强加密过程中的混淆与扩散特性。
• 在云端使用基于LSTM的唇读驱动深度学习模型，从压缩的音视频输入中重建增强后的语音。
• 并行应用分析性声学建模（基于滤波的方法），以提升语音增强的鲁棒性。
• 通过5G-CRAN将繁重计算（深度学习与大数据优化）卸载至云端，以满足实时性要求。
• 实现端到端加密：原始音视频数据在助听器端压缩并加密后传输，仅在接收增强语音后才进行解密。

实验结果

研究问题

• RQ1 基于5G物联网的音视频助听系统能否在100 Mbps数据速率下实现往返延迟低于5ms的实时性能？
• RQ2 所提出的轻量级混沌加密方案在保持低计算开销的同时，对常见网络攻击（如窃听）的防护效果如何？
• RQ3 与仅音频方法相比，基于唇读的深度学习在低信噪比环境下对语音增强的改善程度如何？
• RQ4 所提出的加密方案在密钥空间大小、随机性以及抗差分攻击能力方面的安全性强度如何？
• RQ5 该系统在真实嘈杂场景（如咖啡馆、街道和公共交通）中的表现如何？

主要发现

• 所提出的5G物联网音视频助听系统框架在100 Mbps数据速率下实现了低于5ms的往返延迟，满足实时通信要求。
• 音频加密方案的像素变化率（NPCR）达到99.95%，统一平均变化强度（UACI）为33.39%，表明对输入变化高度敏感，且对差分攻击具有强抵抗力。
• 加密信号的相关系数为0.00022，表明相邻样本间几乎无相关性，有效实现了信息隐藏。
• 所提方案的密钥长度估计为10^45，远超2^100的最低阈值，确保对暴力破解攻击具有强抵抗力。
• 在低信噪比条件（-12dB、-6dB、-3dB）下，所提出的EVWF（增强视觉辅助融合）语音增强方法显著优于仅音频基准方法（SS与LMMSE），PESQ评分显示语音质量更优。
• 主观听音测试采用MOS（平均意见得分）评估显示，所提音视频方法在-12dB信噪比下得分达4.2，优于仅音频方法，且在高信噪比下性能与仅音频方法相当。