A Wavelet-Based Steganographic Method for Text Hiding in an Audio Signal

Abstract

The developed method of steganographic hiding of text information in an audio signal based on the wavelet transform acquires a deep meaning in the conditions of the use by an attacker of deliberate unauthorized manipulations with a steganocoded audio signal to distort the text information embedded in it. Thus, increasing the robustness of the stego-system by compressing the steganocoded audio signal subject to the preservation of the integrity of text information, taking into account the features of the psychophysiological model of sound perception, is the main objective of this scientific research. The task of this scientific research is effectively solved using a multilevel discrete wavelet transform using adaptive block normalization of text information with subsequent recursive embedding in the low-frequency component of the audio signal and further scalar product of the obtained coefficients with the Daubechies wavelet filters. The results of the obtained experimental studies confirm the hypothesis, namely that it is proposed to use recursive embedding in the low-frequency component (approximating wavelet coefficients) followed by their scalar product with wavelet filters at each level of the wavelet decomposition, which will increase the average power of hidden data. It should be noted that upon analyzing the existing method, which is based on embedding text information in the high-frequency component (detailed wavelet coefficients), at the last level of the wavelet decomposition, we obtained the limit CR = 6, and in the developed, CR = 20, with full integrity of the text information in both cases. Therefore, the resistance of the stego-system is increased by 3.3 times to deliberate or passive compression of the audio signal in order to distort the embedded text information.

Hiding scrambled text messages in speech signals using a lightweight hyperchaotic map and conditional LSB mechanism

“…In [ 33 ], a message was hidden in an audio file before being delivered, and the recipient retrieved it. In keeping with the psychophysiological model of sound perception, the steganography system used compression to enhance the integrity of audio and text information.…”

“…Based on a multiple-layer discrete wavelet transform, the researchers of [ 36 ] designed an approach for steganographically concealing text information in audio signals. The experimental outcomes confirm that it is proposed to use recursive embedding in the approximating wavelet coefficients followed by their scalar product with wavelet filters at each level in the discrete wavelet decomposition to increase the average power of hidden data.…”

Аналіз Ефективності Системи Голосової Ідентифікації На Основі MFCC Та GMM-SVM За Умов Впливу Завад У Каналі Зв’язку

“…Власне кажучи, порогова вейвлет-фільтрація МС аналогічна оцінюванню сигналу шляхом його усереднення за допомогою ядра, яке локально адаптоване до гладкості сигналу. Набір сполучених дзеркальних фільтрів у такому разі розкладає сигнал у дискретній області по ортогональному вейвлет-базису{ }, ψ j m на кілька частотних діапазонів[11].Шумоочищення МС виконується як повне відсікання коефіцієнтів вейвлет-перетворення виходячи з припущення, що їх значення малої амплітуди і є шум.Таким чином, у вейвлет-базисі, де коефіцієнти з великою амплітудою відповідають різким змінам МС, така обробка зберігає лише переривчасті складові, що походять від вхідного МС без додавання інших компонентів, обумовлених шумом.Загалом, прирівнюючи малі коефіцієнти нулю, ми виконуємо адаптивне згладжування, що залежить від гладкості вхідного МС ( ) ѓ t . Зберігаючи коефіцієнти великої амплітуди, ми уникаємо згладжування різких перепадів та зберігаємо локальні особливості.…”