基于相位谱差值的wav音频压缩历史检测算法-周劲蕾.pdf

《基于相位谱差值的wav音频压缩历史检测算法-周劲蕾.pdf》由会员分享，可在线阅读，更多相关《基于相位谱差值的wav音频压缩历史检测算法-周劲蕾.pdf（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第29卷第4期2016年4月模式识别与人工智能PRAIV0129 No4Apr 2016基于相位谱差值的WAV音频压缩历史检测算法周劲蕾 王让定 金超 严迪群 陈亚楠(宁波大学信息科学与工程学院宁波31521 1)摘要音频压缩历史检测是音频取证领域的重要部分，有助于检测音频是否经过篡改和伪造文中提出基于相位谱差值统计特征的WAV音频压缩历史检测算法利用相位谱差值的均值、方差及峰度作为检测特征，能较准确地判断待测WAV音频是否被常见的4种编码器中的任一种进行压缩解压处理，并能进一步估计该WAV音频被压缩时采用的比特率实验表明文中算法能有效检测WAV音频的压缩历史，且性能优于现有算法关键词WAV音

2、频，压缩历史，相位谱差值中图法分类号TP 391 DOI 1016451jcnkiissnl003-6059201604010引用格式周劲蕾，王让定，金超，严迪群，陈亚楠基于相位谱差值的WAV音频压缩历史检测算法模式识别与人工智能，2016，29(4)：376384Compression History Detection for WAV Audio Based onPhase Spectrum DifferencesZHOU Jinglei，WANG Rangding，JIN Chao，YAN Diqun，CHEN Yanan(Faculty ofElectrical Engineering

3、 and Computer Science，Ningbo University，Ningbo 315211)ABSTRACTAs an important branch of audio forensics，audio compression history detection is of greatsignificance for audio tampering and forgery detectionIn this paper，a WAV audio compression historydetection algorithm is proposed based Oil the stat

4、istics of the phase spectrum differencesThe meanthevariance and the kurtosis of phase spectrum differences are utilized as the detection featuresTheproposed algorithm can determine whether the suspicious WAV audio is compressed and decompressed byany of the four popular encodersFurthermore，the bit r

5、ate used in the compression cab also beestimatedExperimental results show that the performance of the proposed algorithm is better than that ofstateobthe-art detection algorithmsKey Words WAV Audio，Compression History，Phase Spectrum Difference国家自然科学基金项目(No61300055，61301247)、浙江省自然科学基金项目(NoLYl5F020002

6、)资助Supposed by National Natural Science Foundation of China(No61300055，61301247)，Natural Science Foundation of ZhejiangProvince(NoLZl5F020002)收稿日期：20150514；修回13期：20150730；录用日期：20150906Manuscript received May 14，2015；revised July 30，2015；accepted September 6，2015万方数据4期 周劲蕾 等：基于相位谱差值的WAV音频压缩历史检测算法Cita

7、tion ZHOU J L，WANG R D，JIN C，YAN D Q，CHEN Y NCompression History Detection forWAV Audio Based on Phase Spectrum DifferencesPattern Recognition and Artificial Intelligence，2016，29(4)：376384随着多媒体和社交网络技术的发展，音频、视频、图像等多媒体信息快速增长，在给人们生活带来便利和娱乐的同时，也存在许多信息安全的隐患为了应对这类安全隐患，产生了多媒体取证技术，并得到迅速发展音频取证作为多媒体取证的重要组成部分，

8、受到越来越多研究者的关注，具有广阔的发展前景音频压缩历史检测是音频取证技术中被关注的热点问题之一，其目的是检测音频被压缩的次数及每次压缩时使用的比特率通常对音频进行篡改或伪造时均会引入解压、压缩等操作，从而导致音频压缩历史的改变因此音频压缩历史检测是判断音频是否被篡改或伪造的必要程序，该研究对促进音频取证技术的发展具有重要意义近年国内外研究者对压缩域音频(如MP3等)的压缩历史检测开展研究，并取得一些研究成果Dalessandro等通过分析不同比特率下音频的功率谱，发现其在16 kHz至20 kHz频带内呈现不同分布，从而提出通过频谱分析检测MP3音频真实比特率的方法Liu等旧1通过修正离散余

9、弦变换(Modifled Discrete Cosine Transform，MDCT)系数绝对值高于设定阈值的比例，实现单压缩音频和双压缩音频分类，但该阈值的设定基于作者实验的经验值Qiao等1使用小值MDCT系数数量、相邻帧间过渡连续性及系数离散数值分布等特征进行双压缩音频检测Bianchi等H。1通过对待测音频解压、裁剪及压缩操作等，获得新的MDCT系数分布直方图，分析待测音频原始MDCT与新的MDCT系数分布直方图间的差异，以此判断音频是否经过二次压缩Ma等【61通过研究Huffman码表的统计特性及其转移概率，提出有效的音频二次压缩检测方法然而，目前对非压缩域音频的压缩历史检测研究关

10、注较少非压缩域音频是指未经压缩的无损数字音频，如最常见的WAV音频与压缩域音频相比，这类音频更易遭受篡改和伪造，尤其是在音质伪造方面因此可通过检测WAV音频的压缩历史，判断其是否经过有损编码器压缩解压处理，从而有效推断WAV音频音质是否经过伪造Luo等1通过提取MDCT系数作为其压缩历史检测的有效特征，检测是否经过有损编码器压缩解压，在此基础上检测压缩时采用的比特率Luo等1通过增加梅尔倒谱系数(Mel Frequency Cepstrum Coefficient，MFCC)作为检测特征，提高算法检测准确率，但特征维数却也相应增加本文通过研究音频频谱在多次压缩过程中的不同变化，发现频谱在每次压

11、缩时均会产生失真，其中相位谱失真更明显根据相位谱的变化，研究WAV音频压缩前后相位谱差值(Phase Spectrum Differ-ences，PSD)的统计特性，提出WAV格式音频的压缩历史检测算法，该算法特征维数相对较低实验表明本文算法检测准确率较高，能有效检测WAV音频的压缩历史，并能检测WAV音频是否经过MP3、AAC、OGG及WMA中的任一种编码器压缩解压处理，同时能进一步检测其被压缩时采用的比特率1 基于相位谱差值的WAV音频压缩历史检测算法心理声学模型是音频编码的基础，它在保证音频压缩效率的前提下，获得符合人耳听觉效应的高效音质由于人耳易察觉音频信号幅度的变化，却对相位的变化不

12、太敏感，所以音频编码标准，如常见的MP3编码标准(ISOIEC 111723)和AAC编码标准(ISOIEC 138187)均会在编码时控制频谱中幅度的失真情况，但未考虑相位失真情况而相位谱反映信号方向随频率变化的规律，在一定程度上包含的信息量高于幅度谱一。1 0|基于上述分析，本文对WAV音频进行压缩解压处理，研究得到的压缩前和解压后的相位谱变化研究发现，原始未压缩的WAV音频经过压缩解压处理后，相应位置相位的差异较大；反之，对已经过有损压缩解压处理的WAV音频再次进行压缩解压处理，其相应位置相位的变化较小这是因为音频压缩过程实际是一个有损的去除冗余过程，在此过程中音频通常会产生不可逆的失真

13、，从而导致原始WAV音频相位谱产生较明显的变化但经过有损压缩解压处理的WAV音频信号已产生不可逆的失真，对这类WAV音频进行再次压缩解压处理，失真量会大幅减小，使其相位谱变化相对较小综合上述分析，本文以压缩前后相位谱的失真大小作为判断WAV音频压缩历史的依据，提出基于相位谱差值统计特性的万方数据378 模式识别与人工智能 29卷检测算法11相位谱差值本文算法首先根据待测音频提取相应的相位谱差值，如图1所示对待测音频加1进行一次压缩和解压，即w2=O(E(w1)，其中，砣表示彬1经过压缩和解压后的音频；E()表示MP3压缩过程，压缩算法是Lame 3995(http：lamesfnet)，参数设

14、置为CBR 128 kbps；D()表示音频解压过程，解压算法为Lame 3995然后分别对WAV音频埘1和砚采用汉明窗分帧，每帧有l 152个采样点，相邻两帧之间有50的差值重叠一首WAV音频分成帧，当最后一帧不足1 152个采样点时，舍弃该帧，将J7v帧音频分别记为frame。l(i)和frame砬(i)，i=1，2，对这些音频帧分别进行离散傅里叶变换，根据实序列离散傅里叶变换的共轭对称性，选取前576个值，即X。(i)=DFTframe。，(i)，k(i)=DFTframe以(i)，其中，i=1，2，N，DFT表示离散傅里叶变换，瓦。(i)和X砬(i)分别表示埘1和训2第i帧的前576个

15、离散傅里叶变换值分别计算每帧相位谱，记为妒。(i)、妒以(i)，计算每帧的相位谱差值吼(i)：pd(i)=妒“(i)一9砬(i)L逐签理_一一一一一j图1 相位谱差值提取流程图Fig1 Flowchart of phase spectrum differences extraction图2为随机选取的一帧WAV音频的相位谱8嚣4恕0墨一480 64 128 192 256 320 384 448 512 576采样点(a)原始WAV音频(a)Original WAV audio采样岸(b)由128 kbps MP3解压得到的WAV音频(b)WAV audio decompressed by 1

16、28 bps MP3图2 WAV音频相位谱差值Fig2 Phe spectrum differences of WAV audio从图2可看出，相比原始WAV音频的相位谱差值，经过MP3压缩过的WAV音频相位谱差值明显减小12特征构造本文算法根据相位谱差值构造检测特征，为表征相位谱差值的变化程度，选取均值、方差及峰度3种统计特性描述相位谱差值的集中趋势、离散程度及分布形态的陡缓程度假设一段音频总采样点数为S，可将S分成1 152N个采样点，为总帧数利用11节所述方法提取每帧相位谱差值，构成一个576N的相位谱差值矩阵P：P=pd(1)pd(2)pd()d11d2，1d5761dI。2d22也7

17、62其中，哆i为第i帧中的第歹个相位谱差值，=1，2，576，i=1，2，N，Pd(i)=叱，d2。一，以椰，为第i帧相位谱差值h毛；Edd卯d丽一5一一hf1昏卜一JI止一。冀1而_l一6醚万方数据4期 周劲蕾等：基于相位谱差值的WAV音频压缩历史检测算法对P中每个行向量嘭，。，嘭2，哆，分别求取相应的统计特性均值、方差吩和峰度砖：2亩荟哆p1_lv巧2亩荟(嘭，i一)2，巧=丽1 2蚤(aI厂鸭)4，J=1，2，576，从而得到由576个相位谱差值均值、方差及峰度构成的5763统计特性矩阵F：F=ml 口l k1m2 秽2 k2t厶，：2厶2：，六3：m576秽576 k576J u76。

18、l六762正763F虽能直接作为本文算法的特征矩阵，但维数过高，在保证算法检测率无明显下降的前提下，可简化特征，有效减低特征维数将每576个特征分成若干组，求得每组特征的均值作为最终的构造特征具体操作如下将F中特征值重新记为Z川J=1，2，576，l=1，2，3将F的每列向量分为18组，每组32个统计特性，每组统计特性求取均值， 1 Lz7；出(I-I)t。， (1)uJ 21其中，t=1，2，18，7,=1，2，3，L=32表示每32个统计特性为一组得到由318组统计均值Z。构成的特征矩阵F：F=M V K，其中M=M”1，一，811、V=M，22，82、K=”五”，83T分别为相位谱差值的

19、均值、方差及峰度特征为反映F的整体规律，首先提取2 000段原始WAV音频，及2 000段分别由各种比特率的MP3、AAC、OGG和WMA音频压缩解压后的WAV音频的相位谱差值然后将相应的2 000段音频特征归一化至一1，1，并求取归一化后的均值，如图3所示图3中，横坐标1，18、19，36及37，54这3组区间对应的特征值分别为18维相位谱差值均值、方差及峰度与原始WAV音频相比，经过有损编码器压缩解压处理后的WAV音频在相位谱差值的均值特征上有明显差异在不同压缩比特率下，音频相位谱差值也有一定的变化规律，即比特率越高，相位谱差值的方差值越大，峰度值越小通过图3所示的规律及实验验证，前8维均

20、值特征及第18维方差特征对检测率并无贡献因此，本文仅选取后10维均值、前17维方差及18维峰度(共45维)作为本文算法特征F磊磊而丁=瓦面习l+64kbps 一128 kbpsIl一8()kbps 一160kbpsI均值 峰度 p-豫，、 。-、窖1_ 硷划 蕊劳l一原始WAV+96 kbpsI一64kbps 一128kbpsll+8()kbps 一160kbpsl均值 方差 峰度 一一 -一越 辫r。_I_|+! 蛆” l ：l=7“万方数据380 模式识别与人工智能 29卷 -I- _fl 蘑：糖W,m 0 罐(d)WMA图3 原始WAV音频及经过MP3AAC0GGwMA解压后的WAV音频

21、特征归一化后的均值Fig3 Original WAV audios and means of the features withnormalization for the WAV audios decompressed byMP3AAC0GGWMA13算法步骤图4为本文的待测WAV音频的压缩历史检测算法的具体流程，具体实现步骤如下算法 基于相位谱差值的WAV音频压缩历史检测算法step 1 提取待测WAV音频的相位谱差值统计特性，根据12节描述方法构造一个45维的特征组step 2 将该特征组输入LIBSVM分类器，并依据模型Model 1判断该音频是否为原始WAV音频若是，输出检测结果；否则

22、，执行step 3，进一步解析该WAV音频的压缩历史step 3根据step 2的结果，在Model 2一Model 5中选择相应的训练模型并执行step 4假如step 2的结果为该待测WAV音频经过MP3压缩解压处理，选取Model 2；同样，若该音频为经过AAC、OGG或WMA压缩解压处理的WAV音频，分别选Model 3、Model 4或Model 5step 4 根据step 3选择的训练模型对待测WAV音频的原始比特率进行估计，判断其相应属于64 kbps、80 kbps、96 kbps、128 kbps、160 kbps中的哪一种，并输出结果这里，模型Model 1表示由原始WA

23、V音频，以及MP3、AAC、OGG、WMA解压后的WAV音频等5类音频的特征训练得到的模型；Model 2表示由5类不同比特率64 kbps、80 kbps、96 kbps、128 kbps、160 kbps的MP3压后WAV音频的特征训练得到的模型；同样，Model 3、Model 4及Model 5分别为在AAC、OGG及WMA情况下训练得到的模型2 实验及结果分析图4 本文算法流程图Fig4 Flowchart of the proposed algorithm本文通过互联网下载及CD光盘抓轨等方式获取2 000段未经任何编码器压缩解压的原始WAV音频样本，获得的WAV音频均为双声道音频

24、，采样率均为441 kHz，音乐风格涵盖蓝调、爵士、乡村、流行、摇滚、经典及乐器等首先对2 000段样本进行无损裁剪操作，裁剪成10 s的短音频样本然后将这2 000段WAV样本依次选取不同的比特率(如64 kbps、80 kbps、96 kbps、128 kbps、160 kbps)进行MP3编码(Lame 3995)，再解压得到相应的10 000段WAV音频根据上述万方数据4期 周劲蕾等：基于相位谱差值的WAV音频压缩历史检测算法方法依次获得经AAC编解码器(FAAC 128和FAAD 128(http：www。linuxfromscratch。orgblfsviewsvnmultimed

25、iafaCChtml)处理的WAV音频、经OGG编解码器(Oggenc287(http：wwwrarewaresorgoggoggencphp)处理的WAV音频、经WMA编解码器(Goldwav(http：wwwgoldwaveca)处理的WAV音频各10 000段实验中采用基于径向基函数(Radial BasisFunction，RBF)核的LIBSVM川分类器对实验样本进行训练和测试分类随机选取样本库中的70样本作为训练对象，用于训练LIBSVM分类模型，其余30样本用于测试为了保证实验数据的准确性，将训练测试过程重复10次，取其平均值作为实验的最终结果另外分类器训练过程中采用交叉验证方式

26、在2，25内选取最佳惩罚参数c和RBF核参数g，其余参数均使用默认值21 实验结果本文实验首先判断待测WAV音频为原始WAV音频还是经过某类音频编码器压缩解压处理过的WAV音频对原始WAV音频，以及经MP3、AAC、OGG及WMA压缩解压处理的WAV音频进行分类实验考虑到比特率是影响实验结果的重要因素之一，在选择MP3、AAC、OGG及WMA压缩解压处理的WAV音频时要尽可能涵盖各个比特率因此，本次实验在10 000段MP3、AAC、OGG及WMA样本中分别随机选取2 000段包含各个比特率的MP3、AAC、OGG及WMA样本音频，并与2 000段原始WAV音频构成样本库进行训练测试，结果如表

27、1所示表1 原始WAV音频和经MP3AACOGGwMA解压后的WAV音频的检测结果Table l Detection results of original WAV audios and thedecompressed WAV audios by MP3AACOGGWMAWAV MP3O96880390830AAC 0GG04l0391189545227WMAWAVMP3AAC0GGWMA9752117O391240083156964604103812401572079735表1中最低的检测率为9545，说明本文算法可有效判别WAV音频是原始WAV音频还是经过编码器压缩解压得到的WAV音频，并

28、能准确判断其经由哪类音频编码器处理然后在第一部分实验的基础上，判断其被压缩时的比特率实验结果如表2一表5所示表2为10 000段不同比特率(64 kbps、80 kbps、96 kbps、128 kbps、160 kbps)MP3解压后的WAV音频样本的比特率检测结果平均检测率为9758表3一表5分别为OGG、WMA、AAC作用下的比特率检测结果本文采用的AAC编码器最高编码比特率为152 kbps，故表5中无法给出160 kbps情况下的结果，平均检测准确率分别为985、9454、9384从表2可知，由64 kbps MP3解压得到的WAV音频检测准确率为9825，误判为原始WAV音频的概率

29、为01，误判为80 kbps、96 kbps的MP3样本概率分别为145和020并且从表2表5可知，由96 kbps WMA解压的WAV音频检测率最低，但仍可达到8811综上所述，本文算法既可有效判断WAV音频经过何种编码器压缩解压处理得到，也可进一步推断其被压缩时使用的比特率表2 经过MP3解压后的wAV音频比特率检测结果Table 2 Detection results of bit rate for the WAV audiosdecompressed by MP3WAV 64 kbps 80 kbps 96 kbps 128 kbpsl60 kbpsWAV 98加007O03O10 O

30、 15064 kbps 0109825145020 0 080 kbps 01015l34205 0 096 kbps 00709230195940710128 kbps 0 0510350809872003160 kbps 051O14 0 0201229r792表3 经过OGG解压后的wAV音频比特率检测结果Table 3 Detection results of bit rate for the WAV audiosdecompressed by OGGWAV 64 kbps 80 kbps 96 kbps 128 kbpsl60 kbpsWAV24017024031O9221264 k

31、bps 0079729l，92024O。27O2l80 kbps 0241069712089O5501496 kbps 0 02422728088037128 kbps 08400705l1429049668160 kbps 140O07024095743朗91万方数据382 模式识别与人工智能 29卷表4 经过WMA解压后的WAV音频比特率检测结果Table 4 Detection results of bit rate for the WAV audiosdecompressed by WMAWAV 64 kbps 80 kbps 96 kbps 128 kbpsl60 kbpsWAV 9

32、598017O1402804l30364 kbps 020贴7832l068014 080 kbps 014170936643301400396 kbps 007053961髓11152017128 kbps 0340070611379713048160 kbps 18601001402l06997表5 经过AAC解压后的WAV音频比特率检测结果Table 5 Detection results of bit rate for the WAV audiosdecompressed by AACWAV 64 kbps 80 kbps 96 kbps 128 kbpsl60 kbpsWAV赡140

33、27003O1714064 kbps 021988505902101480 kbps 014092984004101496 kbps 010051075粥30034128 kbps031003014034螂18160 kbps 一 一 一 一 一22 不同特征集对检测率的影响为了验证特征构造的合理性，及在算法准确率和特征维数之间寻找一个平衡，本次实验对不同特征集进行测试，实验结果如表6所示表6中Set#1、Set#2及Set#3分别表示相位谱差值的均值、方差和峰度特征例如，Set#1(12)表示仅采用12维相位谱差值的均值特征，特征计算过程中式(1)的=48，即每个特征为48个相位谱差值方差的

34、均值，其余依此类推由表6可知，若选取均值、方差和峰度各48维作为特征，对由MP3、AAC、OGG及WMA解压后的WAV音频判断准确率依次为9845、9864、9474及9443显然该特征集的检测准确率最高，但其特征维数也最高，本文通过选用45维特征集，达到降低算法所需的特征维数、并同时保证算法准确率的目的表6 不同特征集的实验结果Table 6 Experimental results for different feature set23 与文献8】算法的对比分析在目前的WAV音频压缩历史检测研究中，文献8算法较优将本文算法与其对比，结果如表7、表8所示表7中，文献8标识的数据表示检测准确率

35、；列数据表明在相同条件下，相比文献8算法，本文算法提高的准确率例如，表中第一行数据表示文献8算法对原始WAV音频测试样本，913判断正确，035、017、783及035的样本分别误判为经过MP3、AAC、OGG和WMA压缩解压处理后的WAV音频采用本文算法，原始WAV音频判断准确率提高622，误判为经过OGG编码器压缩解压处理后的WAV音频的概率降低742由此，实验证明本文算法在判断WAV音频是否经过有损格式音频压缩解压处理的准确率优于文献8算法表7 本文算法与文献8算法检测不同WAV音频类型的准确率对比Table 7 Accuracy comparison of different WAV

36、types detection between the proposed algorithm and the algorithm inreference8WAVMP3AACOGGWMA913O103448084622117064324084O35鳃明137069167035一1一098014一16701703391753970840661234713560467830505678707234742011449838007O35033017379舛31089033140172304万方数据4期 周劲蕾 等：基于相位谱差值的WAV音频压缩历史检测算法表8 本文算法与文献8】算法判断比特率准确率对比

37、Table 8 Accuracy comparison of identifying bit rates between the proposed algorithm and the algorithm in Feference8表8中文献8标识的数据表示针对已知WAV音频，在经过某种有损编码器压缩解压处理条件下，判断其被压缩过程中采用的比特率的准确率列数据表明在相同条件下，相比文献8算法，本文算法提高的准确率由表8可看出，本文算法准确率优于文献8算法，尤其在OGG情况下平均检测率提高1574另外，文献8算法使用2l维MDCT系数特征(包括1维MDCT系数中的0值个数与20维MDCT系数的均值

38、)及54维MFCC系数(包括18维MFCC系数，18维AMFCC与18维a2MFCC)，共75维特征而本文算法共计45维特征，相比文献8算法，本文算法的维数更低3 结束语本文提出基于相位谱差值统计特性的WAV音频压缩历史检测算法该算法涉及4种常见的音频编码标准MP3、AAC、OGG及WMA，可有效检测WAV音频是否由这4种编解码器的任一种处理得到，并可有效检测其在压缩过程中使用的比特率本文算法特征维数相对较低，检测准确率较高，能有效应用于WAV音频的压缩历史检测该算法也存在一定的局限性，如未考虑噪声等其它因素攻击情况下算法的鲁棒性，未涉及经过两次及以上压缩解压的WAV音频的分类问题另外，本文针

39、对每种编码标准仅专注于一种最典型、使用最广泛的编解码算法，未涉及相同编码标准的不同编码算法的压缩历史检测算法，因此在今后的工作中将对上述问题进行更深入的研究参考文献1DALESSANDRO B，SHI Y QMP3 Bit Rate Quality Detectionthroush Frequency Spectrum AnalysisProc of the 1 1 th ACMWorkshop on Multimedia and SecurityPrinceton，USA，200957612LIU Q Z，SUNG A H，QIAO M YDetection of Double MP3 Co

40、mpressionCognitive Computation，2010，2(4)：2912963QIAO M Y，SUNG A H。LIU Q ZImproved Detection of MP3Double Compression Using Content-Independent FeaturesPrec ofthe IEEE International Conference on Signal Processing，Communication and ComputingKunming，China，2013DOI：101109ICSPCC201366641214BIANCHI T，DE R

41、OSA A，FONTANI M，et 01Detection andClassification of Double Compressed MP3 Audio TracksProc ofthe 1 st ACM Workshop on Information Hiding and Multimedia Secu-rityMontpellier，France，2013：159-1645BIANCHI T，DE ROSA A，FONTANI M，et al。Detection and Lo-ealization of Double Compression in MP3 Audio TracksEU

42、RASIPJournal on Information Security。2014DOI：10118611687417X一2014106MA P F，WANG R D，YAN D Q，et a1A Huffman Table IndexBased Approach to Detect Double MP3 CompressionPrue of the12th International Workshop on Digital-Forensics and Watermar-kingAuckland，New Zealand，2014：258-2717LUO D，LUO W Q，YANG R，et

43、a1Compression History Identification for Di6tal Audio SignalProe of the IEEE InternationalConference on Acoustics，Speech and Signal ProcessingKyoto，Ja-pan，2012：173317368LUO D，LUO W Q，YANG R，et aIdentifying Compression His-tory of Wave Audio and Its ApplicationsACM Trans on MultimediaComputing，Commun

44、ications，and Applications，2014，10(3)：1一199OPPENHEIM A V，LIM J SThe Importance of Phase in SignalsProceedings of the IEEE，1981，69(5)：529-54110ALSTERlS L D。PALlWAL K KshortTime Phase Spectrum inSpeech Processing：A Review and Some Experimental ResultsDigital Signal Processing，2007，17(3)：578-61611CHANG

45、C C，LIN C JLIBSVM：A Library for Support VectorMachinesEBOL20150424http：wwwcsientuedutwcjlinpaperslibsvmpdf作者简介周劲蕾，女，1991年生，硕士研究生，主要研究方向为数字音频压缩历史检测E-mail：798857444qqcom万方数据384 模式识别与人工智能 29卷(ZHOU Jinglei，born in 1991，master studentHer researchinterests include digital audio compression history detecti

46、on)王让定(通讯作者)，男，1962年生，博士，教授，主要研究方向为信息隐藏、数字取证、数字水印Email：wangrangdingnbu。educorn(WANG Rangding(Corresponding Kutllor)，bom in 1962，PhDprofessorHis research interests include informationhiding，digital forensic and digital watermarking)金超，男，1990年生，博士研究生，主要研究方向为数字音频取证、语音信号处理E-mail：auking126eom(JING Chao，born in 1990。FhDcandidateHis research interests include digital audio forensic and speech signal processing)严迪群，男，1979年，博士，副教授，主要研究方向为多媒体内容安全、深度学习E-mail：yandiqunnbueduca(YANq岫，born in 1979，Ph。D，associate professor。Hisrese