Limit Bipolar Sequences for Patchwork-Based Robust Digital Audio Watermarking

Cover Page

Cite item

Full Text

Abstract

Ensuring the robustness of digital audio watermarking under the influence of interference, various transformations and possible attacks is an urgent problem. One of the most used and fairly stable marking methods is the patchwork method. Its robustness is ensured by the use of expanding bipolar numerical sequences in the formation and embedding of a watermark in a digital audio and correlation detection in the detection and extraction of a watermark. An analysis of the patchwork method showed that the absolute values of the ratio of the maximum of the autocorrelation function (ACF) to its minimum for expanding bipolar sequences and extended marker sequences used in traditional digital watermarking approach 2 with high accuracy. This made it possible to formulate criteria for searching for special expanding bipolar sequences, which have improved correlation properties and greater robustness. The article developed a mathematical apparatus for searching and constructing limit-expanding bipolar sequences used in solving the problem of robust digital audio watermarking using the patchwork method. Limit bipolar sequences are defined as sequences whose autocorrelation functions have the maximum possible ratios of maximum to minimum in absolute value. Theorems and corollaries from them are formulated and proved: on the existence of an upper bound on the minimum values of autocorrelation functions of limit bipolar sequences and on the values of the first and second petals of the ACF. On this basis, a rigorous mathematical definition of limit bipolar sequences is given. A method for searching for the complete set of limit bipolar sequences based on rational search and a method for constructing limit bipolar sequences of arbitrary length using generating functions are developed. The results of the computer simulation of the assessment of the values of the absolute value of the ratio of the maximum to the minimum of the autocorrelation and cross-correlation functions of the studied bipolar sequences for blind reception are presented. It is shown that the proposed limit bipolar sequences are characterized by better correlation properties in comparison with the traditionally used bipolar sequences and are more robust.

About the authors

M. V Gofman

Emperor Alexander I St. Petersburg State Transport University

Email: maxgof@gmail.com
Moskovsky Av. 9

A. A Kornienko

Emperor Alexander I St. Petersburg State Transport University

Email: kaa.pgups@yandex.ru
Moskovsky Av. 9

References

  1. Алексеев В.Г., Коржик В.И. Погружение цифровых водяных знаков в аудиосигналы с помощью использования частотно селективного изменения фазы // Наукоемкие технологии в космических исследованиях Земли. 2019. Т. 11. № 6. С. 22–29.
  2. Шелухин О.И., Рыбаков С.Ю., Магомедова Д.И. Скрытие информации в аудиосигналах с использованием детерминированного хаоса // Наукоемкие технологии в космических исследованиях Земли. 2021. Т. 13. № 1. С. 80–91.
  3. Bender W., Gruhl D., Morimoto N., Lu A. Techniques for data hiding // IBM systems journal. 1996. vol. 35. № 3.4. pp. 313–336.
  4. Wendzel S., Caviglione L., Mazurczyk W., Mileva A., Dittmann J., Krätzer C., Kevin L., Claus V., Laura H., Jorg K., Tom N., Sebastian Z. A Generic Taxonomy for Steganography Methods. TechRxiv. Preprint. IEEE. 2022. doi: 10.36227/techrxiv.20215373.v2.
  5. Makhdoom I., Abolhasan M., Lipman J. A Comprehensive Survey of Covert Communication Techniques, Limitations and Future Challenges // Computers & Security. 2022. vol. 120. doi: 10.1016/j.cose.2022.102784.
  6. Yeo I., Kim H. Modified patchwork algorithm: A novel audio watermarking scheme // IEEE Transactions on speech and audio processing. 2003. vol. 11. № 4. pp. 381–386.
  7. Liu Z., Huang Y., Huang J. Patchwork-based audio watermarking robust against de-synchronization and recapturing attacks // IEEE transactions on information forensics and security. 2018. vol. 14. № 5. pp. 1171–1180.
  8. Chincholkar Y., Ganorkar S. Audio watermarking algorithm implementation using patchwork technique // 2019 IEEE 5th International Conference for Convergence in Technology (I2CT). IEEE. 2019. pp. 1–5.
  9. Chincholkar Y., Kude S. Effective robust patchwork method to the vulnerable attack for digital audio watermarking // ICTACT Journal on Image & Video Processing. 2018. vol. 8. № 4. pp. 1753–1758.
  10. Li Q., Wang X., Pei Q. Compression Domain Reversible Robust Watermarking Based on Multilayer Embedding // Security and Communication Networks. 2022. vol. 2022. Article ID 4542705. 13 p. doi: 10.1155/2022/4542705.
  11. Saritas O., Ozturk S. A color channel multiplexing approach for robust discrete wavelet transform based image watermarking // Concurrency and Computation: Practice and Experience. 2022. e7255. doi: 10.1002/cpe.7255.
  12. Zhu X., Lai Z., Zhou N., Wu J. Steganography with High Reconstruction Robustness: Hiding of Encrypted Secret Images. Mathematics. 2022. vol. 10. № 16: 2934. doi: 10.3390/math10162934.
  13. Paul S., Mishra D. Hiding images within audio using deep generative model // Multimedia Tools and Applications. 2022. pp. 1–24. DOI: doi.org/10.1007/s11042-022-13034-4.
  14. Luo X., Goebel M., Barshan E., Yang F. LECA: A Learned Approach for Efficient Cover-agnostic Watermarking // arXiv preprint arXiv:2206.10813. 2022. doi: 10.48550/arXiv.2206.10813.
  15. Ghosal S., Roy S., Basak R. LSB Steganography Using Three Level Arnold Scrambling and Pseudo-random Generator // Eds.: Giri D., Mandal J., Sakurai K., De D. In: Proceedings of International Conference on Network Security and Blockchain Technology. ICNSBT 2021. Lecture Notes in Networks and Systems. 2022. vol. 481. pp. 105–116. doi: 10.1007/978-981-19-3182-6_9.
  16. Rai D.K. Invisible Unicode Programming // International Journal of Research Publication and Reviews. vol. 3. № 4. pp. 1–19. doi: 10.55248/gengpi.2022.3.4.1.
  17. Nakashima Y., Tachibana R., Babaguchi N. Watermarked movie soundtrack finds the position of the camcorder in a theater // IEEE Transactions on Multimedia. 2009. vol. 11. № 3. pp. 443–454.
  18. Tachibana R. Sonic watermarking // EURASIP Journal on Advances in Signal Processing. 2004. vol. 2004. № 13. doi: 10.1155/S1110865704403138.
  19. Tachibana R. Audio watermarking for live performance // Security and Watermarking of Multimedia Contents V. SPIE, 2003. vol. 5020. pp. 32–43. doi: 10.1117/12.476832.
  20. Zhang Z., Wu X. An audio covert communication system for anolog channels // International Conference on Electrical and Control Engineering. IEEE, 2010. pp. 3279–3282. doi: 10.1109/iCECE.2010.800.
  21. Kaneto R., Nakashima Y., Babaguchi N. Real-time user position estimation in indoor environments using digital watermarking for audio signals // 20th International Conference on Pattern Recognition. IEEE, 2010. pp. 97–100.
  22. Гофман М.В., Корниенко А.А., Глухов А.П. Методика позиционирования маркированными аудиосигналами // Проблемы информационной безопасности. Компьютерные системы. 2018. № 4. С. 120–129.
  23. Гофман М.В. Методика скрытой передачи данных при связи через воздушный аудиоканал // Труды СПИИРАН. 2017. Вып. 51. C. 97–122.
  24. Гофман М.В. Помехоустойчивое маркирование цифровых аудиосигналов в аудиостегосистемах с множественным входом и множественным выходом // Проблемы информационной безопасности. Компьютерные системы. 2021. Вып. 3. С. 83–95.
  25. Özer H., Sankur B., Memon N., Avcıbaş İ. Detection of audio covert channels using statistical footprints of hidden messages // Digital Signal Processing. 2006. vol. 16. № 4. pp. 389–401.
  26. Su Z., Zhang G., Yue F., Chang L., Jiang J., Yao X. SNR-constrained heuristics for optimizing the scaling parameter of robust audio watermarking // IEEE Transactions on Multimedia. 2018. vol. 20. № 10. pp. 2631–2644.
  27. Appadurai E., Bhatt M., Geetha D. Semi Fragile Audio Crypto-Watermarking based on Sparse Sampling with Partially Decomposed Haar Matrix Structure // Acta Cybernetica. 2020. vol. 24. № 4. pp. 679–697.
  28. Khillare A., Malviya A. Reversible Digital Audio Watermarking Scheme Using Wavelet Transformation // Journal of Engineering Research and Application. 2018. vol. 8(7). pp 62–72.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».