⚡ electrical engineering

Asymmetric Phase Coding Audio Watermarking

تقترح هذه الورقة البحثية نظام التشفير الطوري غير المتماثل (APC)، وهو مخطط للعلامات المائية الصوتية تشفيري وخالٍ من التدريب، يجمع بين توقيعات Ed25519 وتصحيح الأخطاء والتشفير الطوري لتوفير إثبات مصدر قوي وقابل للاستخراج الأعمى ضد التزييف العميق وهجمات معالجة الإشارات الشائعة، مع الحفاظ على جودة صوت عالية وزمن انتقال منخفض.

المؤلفون الأصليون: Guang Yang, Amir Ghasemian, Ninareh Mehrabi, Homa Hosseinmardi

نُشر 2026-05-11

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Guang Yang, Amir Ghasemian, Ninareh Mehrabi, Homa Hosseinmardi

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أن لديك تسجيلاً صوتياً تريد إثبات صحته. في عالم اليوم، حيث يمكن للذكاء الاصطناعي محاكاة أي صوت بدقة مثالية، أصبح من الصعب التمييز بين الشخص الحقيقي والتزييف العميق (deepfake).

تقدم هذه الورقة البحثية أداة جديدة تسمى ترميز الطور غير المتماثل (Asymmetric Phase Coding - APC). فكر في الأمر ليس كمحقق يحاول البحث عن أدلة بعد وقوع الجريمة، بل كـ ختم ضمان ضد التلاعب يتم وضعه على الصوت في اللحظة التي يتم فيها التسجيل.

إليك كيف يعمل الأمر، مقسماً إلى مفاهيم بسيطة:

1. المشكلة: أزمة "التزوير الرقمي"

تخيل موظف بنك لا يثق إلا بصوتك. إذا استخدم مجرم ذكاءً اصطناعياً فائق الذكاء لنسخ صوتك، فقد ينخدع الموظف.

الحل القديم (الكشف السلبي): هذا يشبه محققاً يبحث عن "بصمات" تركها مولدات الذكاء الاصطناعي. ولكن مع تطور الذكاء الاصطناعي، تصبح هذه البصمات أقل وضوحاً. وأيضاً، إذا أرسلت التسجيل عبر مكالمة هاتفية أو ضغطته لإرساله كرسالة نصية، فإن تلك البصمات قد تُمحى.
الحل الجديد (APC): بدلاً من البحث عن أدلة لاحقاً، تضع هذه الطريقة توقيعاً تشفيرياً مباشرة داخل الموجات الصوتية نفسها في لحظة التسجيل. إذا تم تغيير الصوت أو تزييفه لاحقاً، سينكسر هذا التوقيع.

2. الفكرة الجوهرية: إخفاء سر في "الطور" (Phase)

يتكون الصوت من جزأين رئيسيين: الحجم/السعة (مدى علو الصوت) والطور (توقيت الموجات الصوتية).

الحيلة: يقوم نظام APC بإخفاء رسالة سرية عن طريق تغيير طفيف في توقيت (طور) ترددات صوتية محددة. الأمر يشبه موسيقي يغير إيقاع طبله بشكل طفيف جداً لتشفير رمز سري، لكن دون أن يلاحظ الأذن البشرية ذلك.
"المفتاح": لقراءة هذا الرمز، تحتاج إلى مفتاح رقمي خاص (مثل المفتاح العام في نظام صندوق القفل). بدون المفتاح، سيبدو الرمز كأنه ضوضاء عشوائية. ومع المفتاح، يمكنك فك تشفير الرسالة والتحقق من هوية الموقع.

3. نظام "النسخ الاحتياطي المزدوج"

أدرك الباحثون أنه إذا أخفيتم السر في التوقيت (الطور) فقط، فإن بعض تنسيقات الصوت الشائعة (مثل MP3 أو OGG) قد تمحو هذا السر بالخطأ، تماماً كما تمحو العاصفة رسالة مكتوبة على الرمل.

الحل: قاموا ببناء نظام هجين بقناتين:
1. قناة الطور (Phase Channel): السر الأساسي المخفي في التوقيت.
2. قناة المقدار (Magnitude Channel): سر احتياطي مخفي في فروقات حجم الترددات الصوتية.
التشبيه: تخيل أنك ترسل رسالة سرية. أنت تكتب الرسالة الرئيسية بحبر سري على الورقة (الطور). ولكنك تكتب أيضاً نسخة ثانية بلون مختلف على ظهر الظرف (المقدار). إذا حاول شخص ما غسل الورقة (ضغط MP3) واختفى الحبر السري، فلا يزال بإمكانك قراءة النسخة الموجودة على الظهر.

4. لماذا هو مميز: "خالٍ من التدريب" و"غير قابل للكسر"

لا يتطلب تدريب الذكاء الاصطناعي: تتطلب العديد من طرق العلامات المائية الحديثة أجهزة كمبيوتر خارقة وبيانات ضخمة لآلاف الساعات من التدريب لتعلم كيفية إخفاء الأسرار. أما APC فهو خالٍ من التدريب؛ فهو يستخدم قواعد رياضية (مثل الوصفة) تعمل فوراً على أي جهاز كمبيوتر، حتى بدون بطاقة رسوميات (Graphics Card).
إثبات تشفيري: على عكس الطرق الأخرى حيث يمكن لأي شخص يعرف الحيلة أن يزور علامة مائية "صحيحة"، يستخدم APC نظام Ed25519، وهو توقيع رقمي عالي الأمان. إنه يشبه الختم الشمعي الذي لا يمكن صنعه إلا من قبل الشخص الذي يمتلك الختم المحدد. حتى لو عرف المخترق بالضبط كيف يتم إخفاء العلامة المائية، لا يمكنه إنشاء واحدة صحيحة دون المفتاح الخاص.

5. مدى كفاءته؟

اختبر المؤلفون هذا النظام على 1,000 مقطع صوتي حقيقي وعرضوها لثمانية أنواع من "الهجمات" لمعرفة ما إذا كان الختم سينكسر:

الهجمات: تغيير تنسيق الملف (MP3, OGG)، خفض الجودة، قطع نهايات التسجيل، أو تشغيله عبر خط هاتف.
النتيجة: في معظم الحالات، نجح النظام في التحقق من أصالة الصوت بنسبة (97.5% إلى 98.3% من الوقت).
التكلفة: ظلت جودة الصوت عالية جداً. بالنسبة للمستمع البشري، يبدو الصوت الذي يحمل العلامة المائية متطابقاً تقريباً مع الأصل. الحالة الوحيدة التي انخفضت فيها الجودة بشكل ملحوظ كانت عند قص الصوت أو ضغطه بشدة، ولكن حتى في تلك الحالات، غالباً ما استعاد النظام التوقيع بفضل قناة "النسخ الاحتياطي".

6. المقايضة (Trade-Off)

تقر الورقة بأن العلامات المائية القائمة على الذكاء الاصطناعي قد تبدو "أكثر مثالية" قليلاً في بيئة المختبر. ومع ذلك، فإن لتلك الطرق عيوباً:

تتطلب مجموعات بيانات ضخمة ووحدات معالجة رسومية (GPUs) للتدريب.
عادة ما تحمل رسالة صغيرة جداً (مثل رقم تعريف بسيط)، وليس توقيعاً تشفيرياً كاملاً.
إذا تغير نموذج الذكاء الاصطناعي، فقد تتوقف العلامة المائية عن العمل.

يقدم APC مقايضة تتمثل في التخلي عن جزء ضئيل جداً من كمال الصوت مقابل الحصول على الأمان، البساطة، والموثوقية. إنه مصمم ليكون "إثباتاً للأصل" يصمد أمام واقع الإنترنت المعقد، حيث يتم ضغط الملفات، وإعادة حفظها، ومشاركتها باستمرار.

باختصار: APC هو ختم رياضي، غير مرئي، وغير قابل للتزوير، يمكنك وضعه على التسجيل الصوتي لإثبات مصدره بثقة عالية، ولإثبات أنه لم يتم التلاعب به، حتى بعد مروره عبر أكثر فلاتر الإنترنت شيوعاً.

ملخص تقني: ترميز الطور غير المتماثل (APC) للعلامات المائية الصوتية

بيان المشكلة
يهدد انتشار التزييف العميق عالي الدقة (deepfake) للأصوات أنظمة المصادقة القائمة على الصوت. وبينما توجد أدوات كشف جنائية سلبية، إلا أنها تعاني من قصورين جوهريين: (1) هي عرضة للتكيف العدائي مع تطور النماذج التوليدية، و(2) تعتمد على آثار إحصائية غالباً ما يتم تدميرها بفعل تشوهات القنوات في العالم الحقيقي (مثل VoIP، أو برامج الترميز، أو النقل عبر الشبكات الخلوية). علاوة على ذلك، تفتقر العلامات المائية القياسية المستخدمة في إخفاء المعلومات (steganography) إلى عدم الإنكار التشفيري؛ إذ يمكن لأي شخص يعرف الخوارزمية تزوير علامة مائية "صحيحة". كما أن التوقيع القائم على البيانات الوصفية (مثل مانيفتس C2PA) غير كافٍ لأن البيانات الوصفية غالباً ما تُحذف أثناء إعادة الترميز أو المعالجة عبر المنصات، مما يترك الإشارة نفسها غير موثقة.

المنهجية
يقترح المؤلفون ترميز الطور غير المتماثل (APC)، وهو طبقة توقيع تشفيرية خالية من التدريب لتدعيم المحتوى الصوتي. تم تصميم APC ليكون وحدة أولية مدمجة وقابلة للتدقيق لإثبات المصدر، ويمكنها العمل بشكل مستقل أو كطبقة مضافة فوق العلامات المائية العصبية المتعلمة. يعمل النظام كما يلي:

بناء الحمولة التشفيرية:
- يتم توقيع رسالة نصية $M$ باستخدام Ed25519 (EdDSA)، مما ينتج توقيعاً بحجم 64 بايت وأماناً كلاسيكياً بقوة 128 بت.
- تتكون الحمولة من بادئة طول، الرسالة، والتوقيع.
- يتم ترميز هذه الحمولة باستخدام كود خارجي من نوع Reed–Solomon (RS) (مع $t=30$ رمزاً للتحقق من الأخطاء)، مما يسمح للنظام بتصحيح ما يصل إلى 15 خطأً في البايت قبل عملية التحقق من التشفير.
قنوات التضمين الهجينة:
يقوم النظام بتضمين الحمولة المرمزة بـ RS في تحويل فوريه قصير المدى (STFT) للصوت المضيف باستخدام قناتين متوازيتين وعميتين:
- قناة الطور (Phase Channel): تستخدم اختيار خانات (bins) عشوائية شبه منتظمة في الـ STFT (يتم تحديدها بواسطة المفتاح العام) في نطاق الخانات 60–300 (حوالي 1.3–6.5 كيلو هرتز). يتم تعيين البتات لإزاحات طور قدرها $\pm \pi/2$ . هذه القناة قوية أمام العديد من التشوهات، لكنها تنهار تحت تأثير برامج الترميز ذات الفقد (MP3/OGG) التي تعيد توزيع طاقة الطور.
- قناة تعديل مؤشر الكمية للمقدار (Magnitude-QIM Channel): قناة موازية تعمل على مجموعة منفصلة من الخانات. تقوم بتشفير نفس الحمولة باستخدام تعديل مؤشر الكمية (QIM) على فروق المقدار اللوغاريتمي لأزواج الخانات المتجاورة. صُممت هذه القناة خصيصاً لتنجو من الضغط مع فقدان البيانات (MP3/OGG) حيث تفشل قناة الطور.
- فك التشفير الناعم (Soft Decoding): أثناء الاستخراج، يقوم النظام بجمع القيم المستمرة الناعمة (جيب الطور وجيب تمام المقدار) عبر نسخ متعددة من الإطارات قبل تحديد العتبة، بدلاً من التصويت على البتات الصلبة، لتحسين المتانة تحت ضغط البيانات المفقودة.
الاستخراج الأعمى والتحقق:
يتطلب الاستخراج فقط الإشارة الصوتية والمفتاح العام. يقوم المفتاح العام بإعادة توليد أنماط اختيار الخانات لكلتا القناتين. يحاول النظام فك تشفير قناة الطور أولاً؛ وإذا فشل، يحاول فك تشفير قناة المقدار. إذا نجحت أي من القناتين في فك تشفير الحمولة وتحقق توقيع Ed25519 مع المفتاح العام، يتم اعتماد المحتوى.

المساهمات الرئيسية

العلامة المائية في مجال الطور: مخطط يستخدم اختيار خانات STFT عشوائية شبه منتظمة لتضمين أعمى وغير محسوس.
قناة بقاء Magnitude-QIM: قناة مستقلة تعمل على نفس الـ STFT، مما يعزز بشكل كبير من المتانة ضد برامج الترميز ذات الفقد (MP3/OGG) بأقل تكلفة إدراكية.
عدم الإنكار التشفيري: دمج تواقيع Ed25519 وتصحيح أخطاء Reed–Solomon، مما يضمن أن حامل المفتاح الخاص فقط هو من يمكنه إنشاء علامة مائية صالحة، على عكس تقنيات إخفاء المعلومات القياسية.
تقييم واسع النطاق: اختبار مرجعي شامل على 1,000 مقطع من LibriSpeech تحت ثمانية تكوينات للهجوم، بما في ذلك إعادة ترميز الكودك، وتغيير معدل العينة، والترشيح منخفض التردد، والقص.
تعريف نموذج التهديد: تمييز واضح بين التزوير (مستحيل بدون المفتاح الخاص) والمحو (ممكن ولكنه مكلف إدراكياً)، مما يضع APC في تباين مع التوقيع القائم على البيانات الوصفية فقط.

النتائج
عند تقييم النظام على 1,000 مقطع من LibriSpeech (10 ثوانٍ، 44.1 كيلو هرتز)، حقق نظام APC الهجين ما يلي:

معدلات التحقق: تتراوح بين 97.5% و98.3% عبر جميع تكوينات الهجوم الثمانية، بما في ذلك MP3 وOGG بسرعة 128 كيلوبت في الثانية.
مكاسب المتانة: رفعت قناة Magnitude-QIM معدلات التحقق لـ MP3 128 kbps من 77% (في حالة الطور فقط) إلى 97.5%، ولـ OGG 128 kbps من 73% إلى 97.5%.
الجودة الإدراكية: بلغ متوسط درجة PESQ حوالي 3.02 (نطاق عريض)، وهو انخفاض قدره 0.24 نقطة تقريباً مقارنة بنسخة الطور فقط (3.26). أشارت الاختبارات السمعية غير الرسمية إلى أن المرمز الهجين يظل شفافاً إدراكياً في الكلام النقي.
زمن الاستجابة (Latency): يتم التضمين والاستخراج في عشرات المللي ثانية على خيط معالجة واحد من المعالج (CPU) (حوالي 71.0 مللي ثانية للتضمين / 57.9 مللي ثانية للاستخراج لكل 10 ثوانٍ من المقطع)، ولا يتطلب أي وحدة معالجة رسومات (GPU).
المحو العدائي: أظهر تحليل هجوم "الصندوق الأبيض" أن التحقق ينهار فقط عندما تصل قوة العشوائية في الطور ( $\alpha$ ) إلى 0.5. عند هذه النقطة، تنخفض الجودة الإدراكية (PESQ) بشكل كبير (من ~3.2 إلى ~1.9)، مما يوضح أن إزالة العلامة المائية تتطلب تدهوراً مسموعاً، على عكس حذف البيانات الوصفية.

الأهمية والادعاءات
يضع البحث نظام APC كحل مكمل للنماذج المرجعية للعلامات المائية العصبية (مثل AudioSeal، WavMark، SilentCipher). وبينما قد تحقق الطرق العصبية جودة إدراكية أعلى (PESQ > 4.0) ومتانة أكبر، إلا أنها تتطلب عادةً مجموعات بيانات تدريب ضخمة، وموارد GPU، وتفتقر إلى عدم الإنكار التشفيري (أي شخص يمتلك النموذج يمكنه تزوير العلامات).

يدعي APC أهمته من خلال تقديم:

التوقيع غير المتماثل: عدم إنكار حقيقي حيث لا يمكن إلا لحامل المفتاح الخاص إنشاء علامة مائية صالحة.
التشغيل الخالي من التدريب: لا حاجة لمجموعات بيانات كلام ضخمة، أو نقاط تفتيش للنماذج، أو إعادة تدريب عند ظهور أكواد ترميز جديدة.
السلوك الحتمي: النظام قابل للتحليل بالكامل بناءً على معلماته (NFFT، اختيار الخانات، RS)، مما يجعله مناسباً لخطوط أنابيب إثبات المصدر المعتمدة مثل C2C.
قابلية التراكم (Stackability): صُمم APC ليتم وضعه خلف العلامات المائية العصبية، حيث تتولى العلامة العصبية مهمة البقاء في ظل وجود الكودك، بينما يوفر APC طبقة التوقيع التشفيري.

يخلص المؤلفون إلى أن APC يشغل نقطة متميزة في مجال التصميم، حيث يضحي بنحو 1.2 إلى 1.5 نقطة من PESP مقابل الحصول على الأمان التشفيري، والمتطلبات الصفرية للتدريب، وإثبات المصدر الحتمي والقابل للتدقيق.