Применение методов математического моделирования для оценки эффективности активной защиты акустической (речевой) информации.
Куницын Игорь Вадимович, кандидат технических наук, доцент
Лобашев Алексей Константинович, кандидат технических наук, доцент
Применение методов математического моделирования для оценки эффективности активной защиты акустической (речевой) информации.
Не подлежит сомнению, что особую ценность представляет информация, передаваемая устно. Это объясняется рядом специфических особенностей, свойственной только речи.
Устно часто сообщают сведения, которые не могут быть доверены техническим средствам передачи.
Информация, полученная в момент ее озвучивания, является самой оперативной.
Живая речь, несущая эмоциональную окраску личностного отношения к сообщению, позволяет составить психологический портрет человека.
Кроме того, современные методы дают возможность однозначно идентифицировать личность говорящего.
Эти особенности объясняют неослабевающий интерес противоборствующих сторон к непосредственному прослушиванию речи, циркулирующей в помещениях.
Поэтому вопросам защиты речевой информации уделяется первоочередное внимание при решении вопросов по защите от утечки информации.
Как известно, одним из самых эффективных способов защиты речи от несанкционированного прослушивания является активный, предусматривающий создание маскирующих помех в «защищаемом» месте.
Активная защита реализуется различного рода генераторами помех, устройствами подавления и уничтожения.
В качестве генераторов помех применяют системы вибрационного зашумления, укомплектованные, как правило, электромагнитными и пьезоэлектрическими вибропреобразователями.
Качество активных систем оценивают величиной превышения интенсивности «помехового» воздействия над уровнем «реальных» акустических сигналов в воздушной (твердой) средах.
Величина превышения помехи над сигналом регламентируется руководящими документами ФСТЭК (Гостехкомиссии) России РФ.
Научными исследованиями доказано, что в общем случае при решении проблем по защите информации, наилучшие результаты дает применение маскирующих колебаний, близких по спектральному составу информационному сигналу.
В связи с тем, что речь — шумоподобный процесс со сложной (в общем случае случайной) амплитудной и частотной модуляцией, наилучшей формой маскирующего помехового сигнала является также шумовой процесс с нормальным законом распределения плотности вероятности мгновенных значений (т.е. белый или розовый шум).
Вместе с тем отметим, что белый или розовый шум, с точки зрения восприятия человека, не является «близким» к информационному сигналу, а развитие методов шумоочистки в некоторых случаях позволяет восстанавливать разборчивость речи до приемлемого уровня при значительном (20 дБ и выше) превышении шумовой помехи над сигналом.
Следовательно, для эффективного маскирования информационного сигнала помеха должна иметь структуру речевого сообщения. Отметим, что доказательству этого тезиса посвящено значительное количество исследований и экспериментов ( ).
Так в журнале «Специальная Техника» №2 за 2000 год была опубликована статья Хорева А.А. и Макарова Ю.К. «К оценке эффективности защиты акустической (речевой) информации».
Оценка эффективности помех авторами осуществлялась методом артикуляционных испытаний (измерений).
В статье сделан вывод о том, что наиболее эффективными являются помехи типа «розовый» шум и шумовая «речеподобная» помеха.
Однако личный опыт авторов статьи, изучение практики создания помех в локальных войнах и конфликтах показывают, что именно речеподобные помехи должны обладать большей эффективностью, чем какие-либо другие шумовые помехи.
Отметим также, что артикуляционные испытания по оценке шумовых помех, с нашей точки зрения, не являются достаточно объективными, т.к. в них участвуют люди – дикторы и аудиторы.
Поэтому для проверки эффективности различных видов акустических помех, с нашей точки зрения, целесообразней использовать методы математического (цифрового) моделирования.
Для разработки входного «информативного» сигнала (и проверки математической модели эффективности различных видов акустических помех) нами был проведен анализ текстов на русском языке, который показал, что в одном слове содержится в среднем 6,5 букв.
Поэтому для «упрощения» модели входного «информативного» сигнала, в качестве одного из критериев, авторами было предложен выбор слова исходя из этого количества букв.
В качестве второго критерия выбора «информативного» сигнала авторами был предложен параметр повторяемости букв в русском язык, а именно «средняя» повторяемость.
Изучение этого параметра показало, что повторяемость букв в русском языке колеблется в значительных пределах, например повторяемость буквы «О» составляет 0,09, а повторяемость буквы «Ф» всего 0,002 (statsoft.ru/home/portal/exchange/textanalysis.htm).
Исходя из двух вышеприведенных критериев, в качестве входного информативного сигнала было использовано слово «ПУЗЫРИ».
Буквы этого слова имеют среднюю повторяемость. Осциллограмма слова «ПУЗЫРИ», записанного в формате *.wav с использованием звукового редактора, представлена на рис.1.
Рис.1. Осциллограмма слова «ПУЗЫРИ»
Для создания «белого» и «розового» шума авторами была использована модель, представленная на рис.2.
Если в данной модели коэффициенты усиления установить равными единице, то на выходе сумматора будет реализован «белый» шум с равномерной спектральной плотностью в 5-ти октавах..
Амплитудно-частотная характеристика одного октавного цифрового фильтра представлена на рис.3.
Если установить коэффициенты усиления со следующими значениями: 2; 1,41; 1; 0,7; 0,5, то на выходе сумматора будет реализован «розовый» шум, т.е. шум со спадом спектральной плотности на 3 дб в каждой последующей октаве.
На рис.4 показан спектр реализованного с помощью модели «розового» шума.
Речеподобный шум формировался следующим образом. С использованием звукового редактора был записан начитанный текст, в котором не было слова «ПУЗЫРИ».
Текст был зачитан тем же мужским голосом, которым было произнесено слово «ПУЗЫРИ».
Полученный звуковой файл был разрезан на 5 частей и затем было выполнено микширование этих частей.
Аналогичным образом был сформирован речеподобный шум, начитанный высоким женским голосом.
Спектр речеподобного шума представлен на рис. 5.
Рис.2. Модель для формирования «белого» или «розового» шума
Рис.3. Амплитудно-частотная характеристика одного октавного цифрового фильтра
Рис.4. Спектр «розового» шума
Рис.5. Спектр речеподобного шума (мужской голос)
В качестве модели органа слуха человека был принят корреляционный приемник для обнаружения априорно известного сигнала. Модель процесса обнаружения информативного сигнала представлена на рис.6.
Рис.6. Модель процесса обнаружения информативного сигнала
Информационный сигнал (слово «ПУЗЫРИ») оцифровывался с частотой дискретизации 11025 Гц и поступал на нормализатор, на выходе которого дисперсия сигнала равнялась 1. Длительность сигнала составляла около 1с.
На выходе источника шума формировался цифровой сигнал (речеподобный или шумовой) с частотой дискретизации 11025 Гц и длительностью около 6с (65536 отсчетов). Шум также проходил операцию нормализования.
В сумматоре происходило аддитивное сложение шума с заданным уровнем и сигнала (рис.7).
Таким образом, на один вход коррелятора поступала смесь сигнала и шума, а на второй вход только сигнал. Выходной сигнал коррелятора (рис.8) направлялся в программу статистической обработки результатов.
При одном заданном значении сигнал/шум на входе коррелятора проводилось 100 измерений для различных реализаций шума и программа обработки результатов определяла математическое ожидание отношения сигнал/шум на выходе коррелятора.
Результат обработки представлен на рис. 9.
Проведенный нами анализ результатов исследования показал, что речеподобный шум обладает лучшими маскирующими свойствами, чем белый или розовый шум.
Причем наилучшими свойствами обладает речеподобный шум, сформированный тем же голосом, каким был сформирован информативный сигнал.
Отметим, что речеподобный шум сформированный из женского голоса обеспечивает несколько худшие маскирующие свойства для защиты информативного сигнала сформированного из мужского голоса.
Рис.7. Осциллограмма аддитивной смеси сигнала и белого шума
на выходе сумматора (отношение сигнал/шум равно 0 дб)
Рис.8. Осциллограмма сигнала на выходе коррелятора
(Отношение сигнал/белый шум на входе коррелятора равно 0дб)
Рис.9. Результат статистической обработки сигнала на выходе коррелятора
(Qвх – отношение сигнал/шум на входе коррелятора;
Qвых – отношение сигнал/шум на выходе коррелятора)
К числу практических выводов данного исследования можно отнести и разработанную авторами методику формирования речеподобного шума.
С нашей точки зрения формирование речеподобного шума в реальной обстановке можно осуществлять следующим образом:
- руководитель и его заместители зачитывают открытые документы, при этом их голоса записываются на жесткий диск компьютера в виде звуковых файлов с расширением .wav;
- программным методом удаляются паузы между словами;
- программным методом звуковой файл разрезается на небольшие файлы со случайной длиной, например средняя длительность файла может быть около 10 с;
- эти короткие файлы, выбранные случайным образом со случайным временным сдвигом микшируются и стыкуются между собой, тем самым позволяя создавать файлы речеподобного шума произвольной длины;
- сформированные файлы речеподобного шума сжимаются, переписываются на mp3 плейер и после усиления могут подаваться на средства активной защиты.
Таким образом, предложенный в статье метод математического моделирования и проведенный авторами анализ результатов исследования показал, что речеподобный шум обладает лучшими маскирующими свойствами, чем белый или розовый шум.
Причем наилучшими свойствами обладает речеподобный шум, сформированный тем же голосом, каким был сформирован информативный сигнал.
К числу практических выводов данного исследования можно отнести и разработанную авторами методику формирования речеподобного шума.