An Improved Phase Coding Audio Steganography Algorithm

Stellen Sie sich vor, Sie hören ein Lied, aber in der Musik ist eine geheime Botschaft verborgen, wie ein Flüstern, das nur ein spezieller Decoder hören kann. Dies ist die Welt der Audiosteganographie, ein Zweig der Wissenschaft, der sich damit beschäftigt, Informationen in Audiodateien zu verbergen, ohne dass sich der Klang für unsere Ohren verändert. Es unterscheidet sich von einem digitalen Wasserzeichen, das wie ein lauter „Copyright“-Stempel ist; Steganographie ist die Kunst der unsichtbaren Tinte. Der Kern der Idee beruht auf einer Besonderheit des menschlichen Gehörs: Unser Gehirn ist überraschend schlecht darin, winzige Veränderungen im Timing (oder der Phase) von Schallwellen wahrzunehmen, selbst wenn wir Änderungen in der Lautstärke oder Tonhöhe problemlos hören können. In einer Welt, in der KI nun Stimmen so perfekt klonen kann, dass es schwer ist, einen echten Menschen von einem Roboter zu unterscheiden, ist die Fähigkeit, einen „Herkunftsnachweis“ in einer Audiodatei zu verbergen, zu einem extrem wichtigen Weg geworden, um Betrug zu bekämpfen und die Echtheit einer Aufnahme zu verifizieren.

Diese Arbeit befasst sich mit einer klassischen Methode namens Phasencodierung, die versucht, Geheimnisse zu verbergen, indem sie das Timing von Schallwellen leicht verschiebt. Der Autor stellte fest, dass die alte Art, dies zu tun, so war, als würde man versuchen, einen schweren Rucksack zu tragen, indem man ihn komplett auf eine Schulter bindet – er war schwer, er ließ den Träger stolpern (was die Audioqualität verschlechterte), und er konnte nur sehr wenig Inhalt transportieren. Der Forscher entwickelte eine neue, verbesserte Version, die die geheime Nachricht über das gesamte Lied verteilt, so wie man das Gewicht gleichmäßig über die Riemen eines Rucksacks verteilt. Er fügte zudem ein „Sicherheitsnetz“ aus Fehlerkorrektur-Codes hinzu, um sicherzustellen, dass die Nachricht überlebt, wenn die Audiodatei etwas gequetscht oder verzerrt wird.

Dies ist die Geschichte ihrer Entdeckung, erzählt in einfachem Deutsch.

Das Problem: Der Rucksack auf einer Schulter

Lange Zeit funktionierte die Standardmethode, Daten mittels Phasencodierung in Audio zu verbergen, wie folgt: Man nimmt ein Lied, hackt es in Stücke und stopft die gesamte geheime Nachricht in das allererste Stück. Um dann sicherzustellen, dass der Rest des Liedes immer noch richtig klingt, muss man das Timing jedes einzelnen folgenden Stücks an das erste Stück anpassen.

Der Autor weist auf drei große Probleme dieses „Ein-Schulter“-Ansatzes hin:

1. Es ist langsam: Man muss einen zweiten Durchgang über das gesamte Lied machen, um das Timing der restlichen Teile zu korriggen.
2. Es ist klein: Man kann nur so viele Daten verstecken, wie in dieses erste winzige Stück passen.
3. Es ist zerbrechlich: Wenn auch nur ein winziges Bit der Nachricht verändert wird (wie eine 0, die zu einer 1 wird), ist die gesamte Nachricht ruiniert, und der Empfänger hat keine Möglichkeit zu wissen, dass sie beschädigt ist.

Schlimmer noch: Als sie diese alte Methode an echter menschlicher Sprache testeten, versagte sie völlig. Die geheime Nachricht verschwand einfach.

Die Lösung: Die Last verteilen

Der Autor schlug eine clevere Lösung vor: Verteilen Sie die Nachricht. Anstatt die ganze Geheimnis in das erste Segment zu stopfen, entschied er sich, die Bits der Nachricht über jedes Segment der Audiodatei zu streuen.

Denken Sie an Folgendes: Wenn Sie eine Notiz in einer Bibliothek verstecken wollen, war die alte Methode, die ganze Notiz auf das erste Buch im ersten Regal zu schreiben. Wenn dieses Buch bewegt oder beschädigt wird, ist die Notiz verloren. Die neue Methode schreibt einen Buchstaben der Notiz auf das erste Buch, den nächsten Buchstaben auf das zweite Buch und so weiter, bis das Ende des Ganges erreicht ist. Selbst wenn ein paar Bücher angestoßen werden, kann man die Nachricht immer noch lesen.

Dieser „segmentverteilte“ Ansatz bedeutete, dass sie keinen nervigen zweiten Durchgang mehr brauchten, um das Timing zu korrigieren. Jedes Stück des Liedes konnte unabhängig voneinander aktualisiert werden. Das Ergebnis? Die Menge der versteckten Daten sprang von 1.023 Bits auf 32.768 Bits bei einem fünfsekündigen Clip. Das ist eine 32-fache Steigerung! Zudem verbesserte sich die Audioqualität erheblich. Das durch das Verstecken der Nachricht eingeführte „Rauschen“ sank um etwa 24 Dezibel, wodurch das Stego-Signal (die Version mit der geheimen Nachricht) für das menschliche Ohr fast ununterscheidbar vom Original war.

Das „Sicherheitsnetz“: Framing und Fehlerkorrektur

Das bloße Verteilen der Nachricht reichte nicht aus. Der Autor erkannte, dass bei der Komprimierung einer Audiodatei, dem Abspielen auf einem anderen Gerät oder durch einfaches statisches Rauschen einige Bits umkippen könnten. Wenn ein Bit umkippt, ist die Nachricht unbrauchbar.

Um dies zu beheben, fügte er eine Framing-Ebene hinzu. Stellen Sie sich vor, Sie verschicken einen Brief. Sie werfen nicht einfach nur das Papier in den Umschlag; Sie legen es in einen Karton mit Absender, Postleitzahl und einem Siegel.

• Sync Word: Ein spezielles „Hallo!“ am Anfang, damit der Empfänger weiß: „Okay, die geheime Nachricht beginnt hier.“
• Length Field: Eine Notiz, die genau angibt, wie lang die Nachricht ist, damit der Empfer weiß, wann er aufhören muss zu lesen.
• CRC Checksum: Ein mathematisches Rätsel, das wie ein Siegel fungiert. Wenn das Siegel gebrochen ist, weiß der Empfänger, dass die Nachricht beschädigt ist.
• Hamming(7,4) Code: Dies ist der wahre Held. Es ist eine Methode, um zusätzliche „Prüfbits“ hinzuzufügen, die es dem Empfänger ermöglichen, einzelne Bitfehler automatisch zu korrigieren. Es ist wie ein Rechtschreibprüfer, der Tippfehler korrigiert, während man liest.

Als sie dieses Sicherheitsnetz testeten, waren die Ergebnisse dramatisch. Auf einem sauberen Kanal konnte die neue Methode 100 % der Nachrichten wiederherstellen, während die alte Methode 0 % der Sprachnachrichten wiederherstellte. Selbst als sie simulierten, dass die Audiodatei „geclippt“ (zu laut abgeschnitten) wurde oder mit geringerer Qualität neu gespeichert wurde, steigerte das Sicherheitsnetz die Wiederherstellungsrate von 75 % auf 100 %.

Der „Magische Boden“: Das Problem mit der Sprache lösen

Eine der interessantesten Entdeckungen war, warum die alte Methode bei Sprache scheiterte. Der Autor fand einen versteckten Bug in der Art und Weise, wie die Mathematik mit leisen Klängen umging.

Stellen Sie sich vor, Sie flüstern ein Geheimnis in einer Bibliothek. Wenn die Bibliothek sehr leise ist, ist Ihr Flüstern klar. Aber wenn Sie versuchen, in einem Raum zu flüstern, dessen Boden aus Glas besteht, und das Glas so dünn ist, dass es unter dem Gewicht Ihres Flüsterns bricht, geht die Nachricht verloren. In der alten Methode war das „Glas“ die Lautstärke des Schalls. Bei Sprache waren die leisen Teile (wie die Pausen zwischen den Wörtern) so leise, dass bei der Konvertierung des Schalls zurück in ein Standard-Digitalformat (16-Bit) die winzigen Phasenverschiebungen, die zur Dateneinbettung genutzt wurden, abgerundet wurden und verschwanden.

Der Autor behob dies durch die Einführung eines „Magnitude Floor“ (Amplitudenuntergrenze). Er legte eine Regel fest: „Egal wie leise ein Teil des Liedes ist, wir werden so tun, als hätte er ein Mindestvolumen, bevor wir die Daten verstecken.“ Dies stellte sicher, dass die geheime Nachricht stark genug war, um die Konvertierung zu überstehen. Mit dieser Korrektur sank die Fehlerrate bei Sprache von etwa 12 % auf Null, während die Audioqualität um weniger als 0,05 dB belastet wurde.

Die Grenzen: Was diese Methode nicht kann

Der Autor ist sehr ehrlich darüber, wo seine Methode an ihre Grenzen stößt. Sie ist kein Allheilmittel gegen alles.

1. Sie hasst Rauschen: Wenn Sie viel statisches Rauschen (weißes Rauschen) zur Audiodatei hinzufügen, verschwindet die Nachricht. Das Geheimnis ist in einem sehr schmalen Frequenzband verborgen, und Rauschen verteilt sich überall. Wenn das Rauschen laut genug ist, übertönt es das Geheimnis.
2. Sie hasst Kompression: Wenn Sie die Datei als MP3 speichern oder komprimieren, wird die Nachricht zerstört. MP3-Player sind darauf ausgelegt, genau die hohen Frequenzbereiche wegzuwerfen, in denen dieses Geheimnis lebt, weil sie davon ausgehen, dass diese für das menschliche Ohr nicht wichtig sind.
3. Sie ist leicht zu finden: Da das Geheimnis immer an der gleichen Stelle (einem spezifischen Satz von Frequenzen) verborgen ist, kann ein Detektiv es mit einem einfachen Scanner leicht finden. Der Autor gibt zu, dass seine Methode keine Resistenz gegen einen „blinden Detektor“ bietet, der einfach nach diesen Mustern sucht.

Er schlägt vor, dass zukünftige Arbeiten, um das Detektionsproblem zu lösen, einen „Schlüssel“ verwenden müssten, um die Position der geheimen Bits zufällig zu verschlüsseln, was es einem Detektiv viel schwerer machen würde, sie zu finden.

Das Fazit

Diese Arbeit nimmt eine alte, klobige Art, Geheimnisse in Audio zu verbergen, und modernisiert sie. Durch die Verteilung der Nachricht, das Hinzufügen eines robusten Sicherheitsnetzes zur Fehlerkorrektur und die Behebung eines spezifischen Fehlers, der bei menschlichen Stimmen zum Scheitern führte, haben sie ein System geschaffen, das 32-mal leistungsfähiger, viel klarer für das Ohr und auf sauberer Audio perfekt zuverlässig ist.

Dennoch sind sie sich bewusst, dass dies ein Werkzeug für spezifische Situationen ist. Es funktioniert hervorragend für die Verifizierung von Audio, das nicht stark komprimiert oder mit lautem Rauschen vermischt wurde, aber es wird die Reise durch eine Social-Media-App oder eine Radioübertragung nicht überleben. Es ist ein kraftvoller Schritt nach vorn im Katz-und-Maus-Spiel der Audiosicherheit, aber das Spiel ist noch lange nicht vorbei.