来源：期刊VIP网 时间：
作者：高飞鹏;杨洁;
单位：浙江农林大学数学与计算机科学学院;浙江农林大学暨阳学院;
摘要：针对压缩语音量化索引调制隐写分析中传统贝叶斯网络方法在低嵌入率下检测准确率不高的问题，提出了一种基于贝叶斯网络群的隐写分析方法。首先，构建用于描述语音码元自身、帧内和帧间相关性的贝叶斯网络群，通过整体样本学习构建条件概率表；其次，以每个子网络的推理结果构造个体样本的特征向量，并利用这些特征训练支持向量机(support vector machine, SVM)模型；最后，实现对未知样本的隐写分类。实验结果表明，在10 s中英文语音数据集上，以20%嵌入率进行多种隐写方法实验，所提方法的检测准确率较传统贝叶斯网络方法和深度学习方法分别提升了至少18.01个百分点和2.32个百分点。同时，检测1 s语音的平均时长为2.72 ms,满足了实时检测要求。
关键词：信息隐藏;;隐写分析;;压缩语音;;贝叶斯网络;;支持向量机
基金资助：浙江省自然科学基金项目(LQ20F020004)
