Marcas de Agua en Audio Digital Audio Watermarking Conceptos y aplicaciones

Transcripción

1 Marcas de Agua en Audio Digital Audio Watermarking Conceptos y aplicaciones Emilia Gómez emilia.gomez@iua.upf.es

2 Introducción Descripción de un sistema Ataques Aplicaciones Sistema mixto

3 Necesidad Formato de audio digital copia sin pérdida de calidad. Tecnologías de protección (evitar copias, modificaciones de contenido, etc). Una de ellas son las marcas de audio (watermarking)

4 Conceptos importantes Criptografía (Cryptography): la información se cifra. Esteganografía (Steganography) Comunicación punto a punto INFORMATION Baja P e en la transmisión HIDING Marcas de agua (Watermarking) Comunicación punto a multipunto Robusto frente a ataques Identificación (Fingerprinting): Tipo de watermarking (insertar una identificación única)

5 Historia Herodoto a.c. George Sand a Alfred de Musset S. XIX S. XX: Muchas publicaciones en digital watermarking de imágenes, desde los años 80.

6 Estado del arte: Audio Pocas publicaciones: la mayoría de los sistemas comerciales son secretos: Patentes 1996 L. Boney, A. Tewfik, K. Hamdy Esquema privado de inserción aditiva de marcas de agua. Grupos de trabajo: SDMI (Secure Digital Music Initiative), MPEG (MPEG-4, MPEG-21)

7 Propiedades de la marca Inaudible (generalmente) Robusta (transmisión, cambio de soporte, transmisión, etc) Detectable únicamente por personas autorizadas Resistente a ataques

8 Propiedades: inaudible El grado de audibilidad depende de la aplicación Utilización de un modelo psicoacústico, que explota las características del sistema auditivo humano

9 Propiedades: robusta La marca debe ser robusta ante operaciones «permitidas»: Codificación Transmisión (ruido aditivo) Conversión AD/DA (cambio de soporte) Compresión (con o sin pérdidas, MPEG) :

10 Propiedades: resistente La marca debe ser resistente a ataques intencionados: Que intenten eliminarlo Que intenten hacer que no se pueda descodificar. Que intenten modificar los datos de la marca.

11 Introducción Descripción de un sistema Ataques Aplicaciones Sistema mixto

12 Watermarking = canal de comunicación Audio signal Watermark Watermarked signal Distorted watermarked signal Input data Watermark generation + Compression, attacks,... Watermark detection Output data Transmission Channel Reception

13 Esquema de watermarking estándar Inicio Marca? No Test de Hipótesis Sí Decodificación Teoría de la detección Fin

14 Particularidades del canal de comunicación watermarking Fuerte ruido de canal Potencia de la señal de audio >> potencia de la marca Audio: ruido fuertemente coloreado Ruido blanco de canal de transmisión Distorsiones (compresión MP3, AD/DA conversion, ) Ataques intencionados σ 2 w 20dB 2 σ, ancho de banda W 20 khz x En teoría Rate R = W log 2 (1+RSB) 300 bps Simulaciones : R 100 bit/s

15 Audio signal Psychoacoustic model v(n) v(n) ^ Input data H(f) + Modulator Distortion Detector G(f) Output data w(n) Codebook Codebook Elección de la modulación empleada (diccionario de símbolos) H(f): maximixa la potencia del watermark w(n) G(f): estimación de la señal v(n) en recepción v(n) (Filtro adaptado: Wiener) Señal observada: [v(mn) v(mn+n 1)]

16 Construcción de v(n) Transmisión de una serie de mensajes 0 L-1... v ( n) = [ v (0) v ( N 1)] i i i t Diccionario de símbolos codebook { v ( n) }, i = 1 M V = i

17 Construcción del Diccionario de Símbolos QPSK + Ensanchamiento de espectro (DS): secuencia PN de longitud N c d(n) + c(n) m(n) Modulación QPSK v(n) W c f 0 Generación PN

18 Parámetros a variar frecuencia de la portadora f 0 secuencia utilizada para el ensanchamiento de espectro, W C, de longitud N C Diccionario S(f 0, W C ) Si los parámetros en recepción Parámetros en transmisión P e 0.5

19 Constelación de señales

20 Construcción de w(n) s(n) H(f) t(n) Definición de un límite de enmascaramiento S mask (f ) Condición de inaudibilidad: S T ( f ) = σ 2 H( f ) 2 S mask ( f )

21 Modelo psicoacústico II Inicio Short-term analysis Análisis de compomentes Eliminación de componentes bajo el umbral absoluto Umbrales de enmascaramiento individuales y globales Fin Componente tonal: j S( k) S( k [ 2, + 2] + j) 7dB si 2 < k < 63 j [ 3, 2, + 2, + 3] si 63 k 127 j [ 6,..., 2, + 2,..., + 6] si 127 k 250 Componente tonal < 0.5 Barks 1Bark 1Bark 9 + f para f < 500Hz 100 f 4log( ) para f > 500Hz 1000

22 Modelo psicoacústico II Inicio Short-term analysis Límites de enmascaramiento individuales y globales Análisis de compomentes Eliminación de componentes bajo el umbral absoluto Umbrales de enmascaramiento individuales y globales Fin S m ( f ) = 10 log N j = 1 N t n j = P P 2 2 ( f ( f , f, f 1 1, P [10, P 1 1 ) 10 ) 10 S a ( f2 ) 10 ]

23 Modelo psicoacústico III

24 Señal y(n) x(n) = ruido fuertemente coloreado σ x 2 muy variable (hasta 100 db) σ σ 2 w 2 x 20dB CD-16 bits SNR 100dB Para que P w no sea ridícula respecto a P x, w(n) filtrada por H(f), max(p w )

25 Señal y(n) II Observaciones: El umbral de enmascaramiento H(f) se actualiza aproximadamente cada 20 ms Utilización de un entrelazador que blanquea la contribución de x(n)

26 Señales en el dominio temporal

27 Señales en el dominio frecuencial X( f ),W( f ) e Y( f )

28 Detección ŷ (n) Filtro adaptado + mˆ c(n) (n) Detector ŝ(n) W c S(f 0,N c ) Generación PN

29 s( n) y sˆ( n)

30 Función de correlación

31 P e (RTM)

32 Tasa de error para distinta f0rx

33 Tasa de error para distinta NC

34 Canales de datos Diccionario utilizado S(f 0, N C ) f 01 {f 0 (k) k=1...n} f 0I N C1 M Construcción del diccionario S(f 0,N c ) M {W C (k) k=1..n} N CJ

35 Introducción Descripción de un sistema Ataques Aplicaciones de las marcas de agua Sistema mixto

36 Ataques Degradación de la amplitud de la señal Relación de potencia marca/música Eliminación de muestras Pérdida de sincronismo

37 Pérdida de sincronismo Razones estándar: retrasos introducidos por filtrado Compresión MPEG Propagación del sonido translación en la escala temporal Otras razones ataques: fitro paso-todo, adición/supresión de muestras modificatión de la escala temporal (time stretching) Original signal Deleted section Edited signal

38 Solución estándar Insertar una secuencia de bits conocida (training sequence o secuencia de entrenemiento) de vez en cuando Utilizar ventanas deslizantes para buscar picos de correlación Training data sequences Useful data Inconvenientes: Reducción de la tasa de bits Frágil ante ataques

39 Pérdida de muestras Utilización de una ventana deslizante: k [-K,K] Búsqueda de la referencia de símbolo

40 Función de correlación Frecuencia de la portadora f 0 : separación entre máximos de la función de correlación Secuencia utilizada por el ensanchamiento de espectro W c de longitud N c : envolvente de los máximos Desplazamiento de la ventana deslizante K

41 Desplazamiento del máximo de la función de autocorrelación

42 Solución propuesta Solución propuesta: repartir secuencia de entrenamiento a lo largo de toda la secuencia de bits Primer método: un segundo watermark que se utiliza exclusivamente para sincronización Audio signal xn ( ) Training sequence Modulator vn ( ) Psychoacoustic model vn ( ) wn ( ) yn ( ) yn ( ) vn ( ) Hf () Distortion Gf () Training sequence detector Synchronization information Input data Modulator vn ( ) Data detector Output data Codebook C Codebook C

43 Solución propuesta II Segundo método: utilizar diversos diccionarios para codificar la información Audio signal xn ( ) Psychoacoustic model Input data Modulator vn ( ) wn ( ) yn ( ) yn ( ) vn ( ) H() f Distortion G() f Training sequence/ data detector Output data Codebook C 1 Codebook C 2 Codebook C P Codebook C 1 Codebook C 2 Codebook C P

44 Solución propuesta III Para cada M símbolos consecutivos, se realiza la detección para todas sus N posibles localizaciones Se obtiene una matriz M N con los resultados de detección Se utiliza un algoritmo de programación dinámica para seleccionar el camino más adecuado en esta matriz (Viterbi). La función de costo tiene en cuenta los coeficientes de intercorrelación y la secuencia de símbolos de sincronización Symbols 1st 2nd 3rd 4th 5th 6th 7th 8th 9th 10th 11th 12th 13th 14th 15th Possible detection results

45 Resultados de simulaciones con pérdida y recuperación de sincronismo Desincronización global entre transmisor y receptor (translation in time) Ataques: adición or supresión de una media de 1/2500 muestras Filtro paso-todo (all-pass filtering) Bit-rate = 125 bit/s error rate 0.05

46 Introducción Descripción de un sistema Ataques Aplicaciones Sistema mixto

47 Aplicaciones Aplicaciones relacionadas con la gestión de derechos de autor (Copyright-related applications) Servicios de valor añadido (Added-value services) Aplicaciones de verificación de integridad (Integrity verification applications).

48 - related Prueba de propiedad (proof of ownership): Ataques para hacerla indetectable Ataques de ambigüedad Monitorización en el punto de consumo: reproductores MP3, DVD, etc. Enforcement of Usage Policy Violan el Principio de Kerckhoff s 1883 Detector mismatch attacks

49 - related II Monitorización en el punto de distribución: canales de TV, distribuidores Web: Napster y similares, CD Plants Monitorización de canales de broadcast, cable y otras redes (internet) Seguimiento del origen de copias ilícitas Collusion attack

50 Sevicios de valor-añadido Relativas al contenido Transporte de información de contenido: letras, etc. Transporte de información de propósito general: Noticias, anuncios AlQaida

51 Empresas Alpha Tec Ltd, Greece, ewatermark, USA, BlueSpike, USA, MediaSec, USA, Sealtronic, Korea, Signum Technologies, UK, SureSign Audio SDK (Librería C++), VeriData SDK The Dice Company, USA Verance, USA, CONFIRMEDIA. Sistema de monitorización de radio y televisión, SGAE

52 SDMI Challenge Secure Digital Music Initiative: «proteger la reproducción, almacenamiento y la distribución de la música digital» Sistema de protección 6 de Septiembre 2000: «An open letter to the Digital Comunity» 4 sistemas de marcado Princeton University, Rice University: Reading between the lines: Lessons from the SDMI Challenge, Proceedings of the 10 th USENIX Security Symposium

53 SDMI Challenge II SDMI, RIAA, Verance Corporation. 2nd challenge

54 Qué se puede conseguir? Limitaciones: incapacidad de «cualquier cosa» para evitar copias. Bruce Schneier: propiedad inherente al formato digital. SDMI: «keep honest people honest» Blue Spike Software

55 Introducción Descripción de un sistema Ataques Aplicaciones de las marcas de agua Comparación con fingerprinting + sistema mixto

56 Audio Fingerprinting: definición Extraer las características acústicas más relevantes de un sonido y almacenarlas en una base de datos Audio Fingerprint

57 Fingerprinting: system description F IN G E R P R IN T E X T R A C T IO N M ETADATA: - Track Id - A rtis t N a m e -... D a ta b a s e Populating the D atabase C ontent Identification F IN G E R P R IN T E X T R A C T IO N M A T C H IN G If M atched: Track Id C onfidence Figure 7: Fingerprinting overall functionality

58 Tasa de errores Robustez Seguridad Imperceptibilidad Watermarking Baja P e Robusto No hay un sistema perfecto Compromiso Audio Fingerprint Baja P e, falsos positivos Más robusto (> SNR & basado en el contenido) Per se más seguro Sin diferencia Versatilidad Audio ya en circulación Más versátil Escalabilidad Complejidad Independencia Perfectamente escalable Menor Independiente de la señal Menos Mayor (necesidad de una base de datos) Relativo al contenido

59 Comparación Watermark Fingerprint Posibilidad de discriminar entre copias idénticas Aplicaciones donde la información es independiente de la señal de audio No lo suficientemente seguro Material sin marcar Teóricamente robusto a transformaciones que preserven el contenido Extensión a medidas de similitud Se necesita una base de datos Alta complejidad que se incrementa con la talla de la base de datos Mismatch attack vs diferenciar entre versiones

60 Integrity-verification Verificar si los datos han sufrido manipulaciones Veridata 2 soluciones: Fragile watermarks No robustos a modificaciones de cambio de contenido. Content-based watermarks: marcas basadas en el contenido Robustos a manipulaciones que preserven el cotenido Que codifiquen el contenido

61 Encoding Mixed Watermarking-Fingerprinting Approach for Integrity Verification of Audio Recordings Gómez, Texeira, Cano, Battle, Bonnet Paper Submitted to IST 2002 Audio Signal Fingerprint extraction Fingerprint Watermarking embedding Watermarked signal Decoding Watermarked signal Fingerprint extraction Watermarking extraction Detected Fingerprint Original Fingerprint Matching Report

62 Requerimientos 1. Fingerprint robusto a content-preserving transformations (transmisión, equalization) & watermark. 2. Watermarking también robusto a estas transformaciones 3. Régimen binario del sistema de marcas suficiente para codificar el fingerprint (100 bps) 4. Definir un método de codificación eficiente

63 Manipulaciones detectables Manipulaciones estructurales Adición de señales Modificaciones de la escala temporal...

64 Ventajas vs fragile-watermark: Se almacena información de contenido. Conocimiento sobre la manipulación realizada. vs robust watermark: Rango de modificación más amplio no se necesita una base de datos vs fingerprint: Está en el audio: se conoce el match

65 Referencias watermarking Stefan Katzenbeisser, Fabien A.P. Petitcolas editors, Information Hiding Techniques for steganography and digital watermark, Artech House, Computer Security Series, Boston, London, Craver S.A., Wu M., Liu B., What can we reasonable expect from watermarks?, IEEE Workshop on Applications of Signal Processing to Audio and Acoustics, New Paltz, New York, October Craver S.A., Wu M.,Liu B., Stubblefield A., Swartzlander B., Wallch D.S., Dean D., Felten E.W., Reading between the lines: Lessons from the SDMI Challenge, Proceedings of the 10th USENIX Security Symposium, Washington, D.C., August