NGHIÊN CỨU VÀ ĐÁNH GIÁ CÁC KỸ THUẬT GIẤU TIN TRONG ÂM THANH

Abstract

Mật mã học bảo vệ nội dung thông điệp nhưng để lộ sự tồn tại của kênh truyền tải, trong khi các kỹ thuật giấu tin âm thanh truyền thống lại dễ dàng bị phát hiện bởi các mô hình thám mã trí tuệ nhân tạo do để lại dấu vết thống kê đặc trưng. Để giải quyết rủi ro này trong các môi trường giới hạn tài nguyên, luận văn đề xuất một phương pháp giấu tin thích ứng nội dung trên miền thời gian, hoạt động với độ phức tạp tuyến tính O(N) mà không yêu cầu phần cứng đồ họa. Thuật toán tích hợp chiến lược tạo vị trí nhúng ngẫu nhiên bằng khóa bí mật và cơ chế sinh mã định danh Salt động, trích xuất từ chuỗi băm SHA-256 của 1024 mẫu tín hiệu đầu tiên thuộc tệp vật chứa. Sự kết hợp này phân tán các bit dữ liệu mật một cách phi tập trung, phá vỡ quy luật xác định và giảm thiểu tối đa sự rò rỉ năng lượng cục bộ trên phổ đồ. Đánh giá thực nghiệm trên tập dữ liệu MUSDB18-HQ với 750 tệp âm thanh định dạng WAV không nén cho thấy phương pháp đạt độ trung thực tín hiệu cực cao với chỉ số PSNR trung bình 106.76 dB. Đặc biệt, năng lực kháng thám mã được chứng minh khi tỷ lệ nhận diện của mạng nơ-ron tích chập bị giới hạn ở mức 65.10% và duy trì trong dải 63.27% đến 68.67% đối với các mô hình học máy truyền thống (Logistic Regression, SVM, Random Forest). Mức độ an toàn này vượt trội đáng kể so với kỹ thuật Mã hóa pha (bị mạng CNN phát hiện ở mức 87.20%) và khắc phục hiệu quả tình trạng suy giảm tín hiệu nghiêm trọng của các mô hình giấu tin học sâu tham chiếu (chỉ đạt PSNR 25.58 dB). Với mức tiêu thụ tài nguyên tối ưu khoảng 53 MB RAM, thuật toán đã được triển khai thực tiễn vào hệ thống ứng dụng web Client-Server tuân thủ nghiêm ngặt kiến trúc phi trạng thái. Toàn bộ chu trình nhúng và khôi phục chỉ xử lý trên bộ nhớ tạm và tự động giải phóng ngay sau phiên giao dịch, loại trừ nguy cơ rò rỉ dữ liệu lưu trữ vật lý trong môi trường vận hành thực tế. Từ khóa: An toàn thông tin, Giấu tin âm thanh, LSB, Kháng thám mã. Cryptography protects the content of a message but reveals the existence of the communication channel. Meanwhile, traditional audio steganography techniques are easily detected by artificial intelligence steganalysis models because they leave specific statistical traces. To solve this risk in resource-limited environments, this thesis proposes a contentadaptive steganography method in the time domain. It works with a linear complexity of O(N) and does not require graphics hardware (GPU). The algorithm combines a random embedding position strategy using a secret key and a dynamic Salt generation mechanism, which is extracted from the SHA-256 hash string of the first 1024 audio samples of the cover file. This combination decentralizes the secret data bits, breaks predictable patterns, and minimizes local energy leakage on the spectrogram. Experimental evaluation on the MUSDB18-HQ dataset with 750 uncompressed WAV audio files shows that the method achieves very high signal fidelity, with an average PSNR of 106.76 dB. Especially, its resistance to steganalysis is proven as the detection rate of the Convolutional Neural Network (CNN) is limited to 65.10% and stays in the range of 63.27% to 68.67% for traditional machine learning models (Logistic Regression, SVM, Random Forest). This security level is significantly better than the Phase Coding technique (which is detected by CNN at 87.20%) and effectively fixes the severe signal degradation seen in reference deep learning steganography models (which only reach a PSNR of 25.58 dB). With an optimal resource consumption of about 53 MB RAM, the algorithm was practically deployed into a Client-Server web application that strictly follows a stateless architecture. The entire embedding and extraction process is handled only in the temporary memory and is automatically cleared right after the session, eliminating the risk of physical data leakage in real-world operation. Keywords: Information Security, Audio Steganography, LSB, Steganalysis Resistance.