IDEAW: 可逆なデュアル埋め込みを用いた頑健なニューラルオーディオウォーターマーキング

IDEAW: Robust Neural Audio Watermarking with Invertible Dual-Embedding

September 29, 2024

著者: Pengcheng Li, Xulong Zhang, Jing Xiao, Jianzong Wang

cs.AI

要旨

オーディオウォーターマーキング技術は、メッセージをオーディオに埋め込み、正確にウォーターマーク付きオーディオからメッセージを抽出します。従来の手法は、信号の時間領域または変換領域にウォーターマークを埋め込むためのアルゴリズムを、専門家の経験に基づいて開発してきました。深層ニューラルネットワークの発展により、深層学習ベースのニューラルオーディオウォーターマーキングが登場しました。従来のアルゴリズムと比較して、ニューラルオーディオウォーターマーキングは、トレーニング中にさまざまな攻撃を考慮することでより優れた頑健性を実現します。ただし、現在のニューラルウォーターマーキング手法は、低容量と不十分な知覚性の問題に直面しています。さらに、極めて重要であり、ニューラルオーディオウォーターマーキングにおいてさらに顕著なウォーターマークの位置特定の問題は、十分に研究されていませんでした。本論文では、効率的な位置特定のためのデュアル埋め込みウォーターマーキングモデルを設計します。また、頑健性トレーニングにおける逆可能なニューラルネットワーク内の攻撃レイヤーの影響を考慮し、モデルを改善してその合理性と安定性の両方を向上させます。実験結果は、提案されたモデル、IDEAWが、既存の手法と比較して、より高い容量とより効率的な位置特定能力を持ち、さまざまな攻撃に耐えることを示しています。

English

The audio watermarking technique embeds messages into audio and accurately extracts messages from the watermarked audio. Traditional methods develop algorithms based on expert experience to embed watermarks into the time-domain or transform-domain of signals. With the development of deep neural networks, deep learning-based neural audio watermarking has emerged. Compared to traditional algorithms, neural audio watermarking achieves better robustness by considering various attacks during training. However, current neural watermarking methods suffer from low capacity and unsatisfactory imperceptibility. Additionally, the issue of watermark locating, which is extremely important and even more pronounced in neural audio watermarking, has not been adequately studied. In this paper, we design a dual-embedding watermarking model for efficient locating. We also consider the impact of the attack layer on the invertible neural network in robustness training, improving the model to enhance both its reasonableness and stability. Experiments show that the proposed model, IDEAW, can withstand various attacks with higher capacity and more efficient locating ability compared to existing methods.