Zvukový vodoznak - Audio watermark

Věcná přesnost části tohoto článku je sporný. Spor je o Tento článek je matoucí, protože je naprosto nepravdivý a plný vlastní propagace od Digimarc. Na trhu existují a jsou nasazeny lepší techniky - fakticky nejsou založeny na rozprostřeném spektru nebo na DSSS. Pomozte prosím zajistit, aby sporná prohlášení byla spolehlivě získáván. Viz příslušná diskuse na webu diskusní stránka. (Srpna 2019) (Zjistěte, jak a kdy odstranit tuto zprávu šablony)

An zvukový vodoznak je jedinečný elektronický identifikátor zabudovaný do zvukového signálu, který se obvykle používá k identifikaci vlastnictví autorských práv. Je to podobné jako a vodoznak na fotografii.

Vodoznak je proces vkládání informací do signálu (např. zvuku, videa nebo obrázků) způsobem, který je obtížné odstranit. Pokud je signál kopírován, pak se informace přenáší také v kopii. Vodoznaky jsou stále důležitější, aby umožnily ochranu autorských práv a ověření vlastnictví.

Jednou z nejbezpečnějších technik zvukových vodoznaků je zvukové vodoznaky s rozprostřeným spektrem (SSW). V SSW se úzkopásmový signál přenáší přes mnohem větší šířku pásma, takže energie signálu prezentovaná na libovolné frekvenci signálu je nezjistitelná. Vodoznak je tedy rozložen do mnoha frekvenčních pásem, takže energie v jednom pásmu je nezjistitelná. Zajímavou vlastností této techniky vodoznaku je, že její zničení vyžaduje přidání šumu s vysokou amplitudou do všech frekvenčních pásem. SSW je robustní technika vodoznaku, protože k jejímu odstranění musí útok ovlivnit všechna možná frekvenční pásma se změnami značné síly. To vytváří viditelné vady v datech pseudoise (PN) sekvence. V konvenčních přístupech SSW musí přijímač znát sekvenci PN použitou ve vysílači, stejně jako umístění vodoznaku v signálu označeném vodoznakem pro detekci skrytých informací. Jedná se o funkci vysokého zabezpečení, protože jakýkoli neoprávněný uživatel, který nemá přístup k těmto informacím, nemůže detekovat žádné skryté informace. Detekce sekvence PN je klíčovým faktorem pro detekci skrytých informací z SSW. Ačkoli detekce sekvence PN je možná pomocí heuristický přístupy jako evoluční algoritmy, vysoká výpočetní cena tohoto úkolu ho může učinit nepraktickým. Hodně z výpočetní složitost podílející se na používání evoluční algoritmy protože optimalizační nástroj je způsoben fitness funkce hodnocení, které může být velmi obtížné definovat nebo být výpočetně velmi nákladné.

Jedním z nedávno navržených přístupů - při rychlém obnovení sekvence PN - je použití fitness granulace jako slibného “fitness přiblížení "schéma. S využitím přístupu fitness granulace s názvem" Adaptive Fuzzy Fitness Granulation (AFFG) ",^[1] nákladný krok hodnocení kondice je nahrazen přibližným modelem. Pokud se jako prostředek k extrakci skrytých informací používají evoluční algoritmy, proces se nazývá Evoluční detekce skrytých informací, ať už se jako nástroj k urychlení procesu používají přístupy aproximace kondice.

Viz také

• Akustický otisk prstu
• Aktivovaný obsah

Reference

• M. Davarynejad, S. Sedghi, M. Bahrepour, C. W. Ahn, M. Akbarzadeh, C. A. Coello Coello, "Detekce skrytých informací ze signálu s vodoznakem pomocí aproximace fitness založené na granulaci ", Aplikace soft computingu: Od teorie po Praxis, Springer, Series: Advances in Intelligent and Soft Computing, svazek 58/2009, ISBN  978-3-540-89618-0, str. 463–472, 2009.
• M. Davarynejad, C.W. Ahn, J. Vrancken, J. van den Berg, C.A. Coello Coello, "Evoluční detekce skrytých informací pomocí granulační aproximace kondice ", Applied Soft Computing, svazek 10 (3), str. 719–729, 2010, doi:10.1016 / j.asoc.2009.09.001.