如何解决语音和图像一重复加密就露底的问题

2026-05-25

提到加密，大多数人想到的都是 DES、RSA 这种“算不出来就安全”的路子。但这篇论文想问的是另一类问题：如果对象本来就是语音和图像这种“允许近似恢复”的信号，能不能借用信号处理里的工具，做一个更适合这类数据的加密办法？通俗讲：有没有一种方案，既能把原始语音和图像遮得很严，又能在解密端用近似估计把它们比较自然地还原出来。

作者选中的工具叫非负矩阵分解，也就是 NMF，是一种“把一个非负数据表拆成两个更简单非负数据表”的方法。过去这类工具经常用于信号分离、图像压缩。作者的脑洞是：既然它能做分解，能不能反过来把“解密”理解成一次特殊的分解，进而把“加密”设计成一个逆推的过程？

这篇论文想解决前一代 BSS/ICA 加密方案的两个明显短板。第一，老方案通常要求明文彼此独立，像图像这种本来相关性很强的数据就不太适合。第二，老方案很多时候只能安全地“一次性用一把密钥”，一旦同一套密钥反复用，安全性就会塌得很快。

论文先证明基于 BSS/ICA 的旧方案如果拿来处理相关信号或高斯型信号，会直接失效；进一步说明，如果明文本身是稀疏的，你又把原本只能一次性使用的密钥拿来重复使用，那么攻击者就可能在没有密钥的情况下，把原信号大致拆回来。

图2有效的回答了为什么“重复用同一套密钥流”会出事。论文说得很直白：在这种攻击下，恢复出来的语音片段的 SIR 都在 14 dB 以上，说明攻击者已经能把原始内容比较有效地扒出来。直接证明老方案的问题不是理论上某个小漏洞，重复使用时真的会被拆开。

新方案怎么改？核心有两步。第一步，在加密端引入一个“带强噪声的非线性混合模型”。引入的意义不是单纯把信号搅得更乱，让攻击者难以把这个过程直接反过来算回去。第二步，在解密端不用 ICA 那套“要求独立”的办法，改用 NMF 来做盲的或半盲式的分解。这样做的好处是：NMF 不依赖明文必须是独立的、高斯的还是非高斯的，相关语音、图像这种对象，也更容易被纳进来。

图1展示了这套加密系统是怎么跑的：预处理、加密、解密、波形重建。预处理会先把语音或图像切成段，再把数据变成非负形式，以便后面的 NMF 使用。加密阶段把这些段和密钥信号送进一个非线性混合过程。解密时，先做一次“非线性拆解”，再做一次 NMF 式的线性分解，最后再把波形或图像拼回来。

过去有些方法在最后重建波形时，会用“过零点个数”去解决排列问题，但这个指标不稳定。作者换成了峰度，也就是kurtosis一类更稳的统计量。表 I 就是在说明这件事：同样要给各段波形重新排回原位，用峰度比只看过零点数更靠谱。

实验部分把“语音”和“图像”两类非常不一样的数据都拿来试了。先看语音，图 3 和表 IV 对应的是新方案处理语音的结果。作者的发现是：语音被遮得比较好，同时又能被有效恢复，表现和前一代方法旗鼓相当。更重要的是，这里用的是重复密钥流，而不是一次一换。这一条很关键，因为真正在线通信时，频繁分发全新密钥真的很贵。