基于GAN语音隐写的双通道安全动态交互框架：面向隐蔽对话的DialogStego方法

本文提出了一种创新的语音对话隐写框架DialogStego，通过生成对抗网络（GAN）语音合成器实现秘密对话在载体对话中的动态嵌入。该框架突破传统静态媒体隐写的局限，具备主通道和侧通道双重安全性，在保证对话内容逻辑正确性和说话人一致性的同时，实现了高质量隐写语音的生成与秘密语音的高保真提取。实验表明该方法在嵌入容量和效率方面均优于现有基线方法。

　　

¹亮点

本文构建了一个新颖的语音对话隐写框架，将动态交互特性融入隐写过程，通过隐藏C和D的对话到A和B的对话中实现隐蔽通信。该框架创新性地解决了传统隐写在动态媒体应用的局限性。

²相关研究

为实现对话隐写目标，本研究涉及三组关键技术：基于语音合成的隐写方法可生成符合逻辑的对话载体；神经声码器（Neural Vocoder）的突破性进展为高质量语音合成提供支持；生成对抗网络（GAN）技术为隐写语音的逼真度提供保障。

³ proposed方法

如图3所示，本方法包含隐藏和提取两个过程。隐藏过程将秘密语音的梅尔频谱图（Mel spectrogram）嵌入载体语音的梅尔频谱图，通过精心设计的嵌入模块F(·)生成隐写语音的梅尔频谱图，再借助GAN声码器合成高质量隐写语音。提取过程则通过特定解码器重建秘密语音的梅尔频谱图，最终利用预训练声码器还原秘密语音。

⁴语音数据集

^4.1LJ Speech数据集：包含13,100段22.05kHz采样率的单人朗读音频，常用于声码器和文本转语音（TTS）研究。

^4.2AISHELL-3数据集：85小时218名中文母语者48kHz采样语音，适用于多说话人TTS研究。

^4.3VCTK数据集：包含110名英语母语者的44.1kHz采样语音，为多说话人语音合成提供数据支持。

⁵实验结果与分析

本节通过系统实验验证了所提方法的可行性、安全性和有效性。在HiFi-GAN和iSTFTNet等典型声码器上的测试表明，生成的隐写语音和提取的秘密语音在质量与可懂度方面均表现优异，且在主侧通道隐写分析中展现出卓越的安全性。

⁶结论

本研究成功构建了将语音对话嵌入其他语音对话的新型框架，将静态载体拓展至动态交互载体。提出的DialogStego方法通过精心设计的嵌入模块和秘密信息解码器，实现了在梅尔频谱图层面的高效嵌入与提取，为动态隐写通信开辟了新途径。