近日，实验室学术论文“Detecting Multiple Steganography Methods in Speech Streams Using Multi-Encoder Network”被IEEE Signal Processing Letters录用。该论文研究工作由实验室田晖教授、2019级研究生吴俊彦同学、全韩彧博士及台湾逢甲大学张真诚教授合作完成。SPL期刊信号处理领域颇具影响力的国际主流期刊，主要报导信号、图像、语音、语言和音频处理方面前沿技术，在CCF学术推荐列表中认定为C类刊物，在中科院最新SCI升级版工程技术认定为2区期刊。

图1 论文首页

随着语音隐写技术的发展，隐写者越来越倾向于结合多种隐写方法来实现更安全的隐蔽通信。因此，本文提出了一个多重编码器网络(Multi-Encoder Network, MENet)，以实现更有效的检测多种隐写术方法。与之前的工作不同，MENet利用多个私有编码器对每个编码元素的私有特征进行单独建模，引入基于注意机制的共享编码器以融合多个私有特征，从而获得更好的特征表示，最后利用共享解码器降低特征维数并给出预测。以现有最先进的隐写术方法为检测目标，综合评价了该方法的性能，并与最先进的隐写术方法进行了比较。实验结果表明，MENet的检测性能总体上优于现有的隐写分析方法，特别是在嵌入率低、语音样本长度短的情况下。

上述研究工作受到国家自然科学基金(No. 61972168)和福建省自然科学基金 (2020J05059) 的支持。

论文详细信息如下：H. Tian, J. Wu, H. Quan and C. -C. Chang, "Detecting Multiple Steganography Methods in Speech Streams Using Multi-Encoder Network," IEEE Signal Processing Letters, 2022, DOI: 10.1109/LSP.2022.3226126.