tf_audio_steganalysis

tf_audio_steganalysis 项目介绍

项目概述

tf_audio_steganalysis 项目是一个基于 TensorFlow 的音频隐写分析实现。由王芸涛（Yuntao Wang，昵称 Charles_wyt）开发，该项目提供了一个灵活的平台，用户可以在其上设计自己的深度学习网络，从而进行音频隐写的分析和检测。音频隐写分析是一项重要的安全技术，用于检测音频数据中嵌入的信息。

主要研究成果

1. CNN 基于 MP3 隐写的熵码域隐写分析
   项目中首个研究工作是基于卷积神经网络（CNN）的 MP3 隐写分析，该技术在国际会议 IH&MMSec 2018 中获得最佳论文奖。该研究主要集中在 MP3的熵编码域的隐写检测。

2. RHFCN：富高通滤波器的全 CNN 基于 MP3 隐写分析
   这是另一个研究工作，发表于 2019 年的 ICASSP，主要关注于利用富高通滤波器进行 MP3 隐写分析的全卷积神经网络。

3. 基于点对点及块对块相关联的 MP3 隐写分析
   该研究发表在《信息科学》期刊上，探讨了通过点对点及块对块的相关性进行 MP3 隐写分析的方法。

必要软件包

项目所需的软件包包括 tensorflow-gpu（版本1.3或更高）、numpy、pandas、matplotlib、scikit-image、scikit-learn、filetype，以及 librosa（需要依赖 FFmpeg）。这些工具和库支持项目的运行和开发。

安装这些包非常方便，用户可以通过运行命令 pip install -r requirements.txt 自动一次性安装所有依赖项。此外，用户可以使用 virtualenv 来创建独立的 Python 环境，避免影响原有的 TensorFlow 版本。

使用指南

1. 安装 Python 环境
   用户需先安装 Python3.x 或 Anaconda，并将安装目录添加到环境变量中。推荐版本为 Python 3.5。

2. 配置 GPU 运行环境（可选）
   如果需要利用 GPU 加速训练，用户需要完成相应的配置。

3. 安装依赖
   打开项目的 setup 文件夹中的 requirements.txt，并在终端输入命令 pip install -r requirements。

4. 代码运行示例
   用户可参考项目中的示例文件了解如何运行代码。

5. 使用 Tensorboard 可视化训练过程
   用户可使用 Tensorboard 查看训练过程中准确率和损失曲线等信息。通过运行 tensorboard --logdir=/path of log 可以启动可视化界面。

6. 自定义网络设计
   用户可以根据项目提供的简要说明设计自己的网络。

7. 集成开发环境设置
   所有源码皆通过 Pycharm 开发，其中换行设置为 180。如果未设置该换行长度，可能在 IDE 中显示警告。

文件描述

• audio_samples：包含一些音频样本。
• data_processing：用于构建数据集并提供 QMDCT 系数提取工具等。
• jupyter：用于 Jupyter 调试的文件夹。
• papers：包含论文、演示文稿、数据集和研究工作简述。
• setup：用于项目的设置和配置。
• src：源代码。

这个项目旨在为研究人员和开发者提供一个便捷友好的工具，用于探索和发展音频隐写分析技术。希望该项目能够为相关领域的研究和应用贡献一份力量。