数字音频来源被动取证研究综述

作     者：王志锋 湛健 曾春艳 叶俊民 田元 闵秋莎 左明章 WANG Zhifeng;ZHAN Jian;ZENG Chunyan;YE Junmin;TIAN Yuan;MIN Qiusha;ZUO Mingzhang

作者机构：华中师范大学数字媒体技术系武汉430079 湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室武汉430068 华中师范大学计算机学院武汉430079 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2020年第56卷第5期

页      面：1-12页

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金(No.61901165,No.61501199) 华中师范大学中央高校基本科研业务费项目(No.CCNU18QN021) 湖北省自然科学基金(No.2017CFB683) 湖北省教育厅科学技术研究项目(No.Q20191406) 

主　　题：数字音频取证 设备源取证 被动取证 数字音频来源识别 

摘      要：数字音频来源被动取证研究旨在不依赖主动嵌入的数字水印或数字签名等冗余信息,通过原始数字音频数据的内在设备信息提取出表征设备源机器指纹的特征,进而对数字音频证据来源做出判断,在司法取证、军事信息、新闻传播等领域有着广泛的应用前景。目前,数字音频来源被动取证的研究综述面临时效性不足、针对性不够的问题。据此,给出了数字音频来源被动取证的研究框架和基本思路。对该领域常用的数据集做了简要的分析。根据数字音频来源被动取证的研究对象,将领域内的研究分为特征表达和表征建模两大模块,对频域信息特征、倒谱特征、基于高斯超矢量信息的特征、融合特征、深度特征五类特征,高斯混合取证模型、支持向量机决策模型、稀疏表达分类器决策模型、其他机器学习决策模型、深度学习决策模型五类模型的性能进行了比较分析。总结分析了数字音频来源被动取证领域的研究现状和存在的问题,并对未来的研究方向进行了展望。