Cancel

HLS A/Bセグメント方式のフォレンジック電子透かしを、2セッション分の音声だけで相殺します。

透かしの解析と除去手法の検証のために作った非公式ツールです。透かしを埋め込んでいる 配信元とは無関係で、いかなる提携もありません。 ファイルはどこにも送信されません。すべてブラウザ内で処理されます。

制約と、その中でできること

この方式は配信を 4.096 秒の epoch に区切り、各 epoch を A版・B版どちらで 配信したかの並びでユーザーを識別します。検証器は 3 つの層を見ています。

• 同期層 — パイロットで音声の時間軸を掴む
• 時刻層 — epoch 番号を認証する（time_evidence_ratio）
• 識別層 — A/B のシンボルを読む（symbol_erasure_ratio）

さらに層どうしの整合性を見る改竄検出が入っています。時刻層が完璧なのに 識別層だけが大きく壊れていれば、それは自然な劣化ではありえない。透かしを派手に消す手法は ここで tampered と判定されます。

このツールが使うのは 2 セッション分の音声だけで、epoch ごとに変種を 選び直すこと（mix-and-match）はしません。できるのは、正当に取得した 2 本に対する 信号処理だけです。

2 本の系列が食い違う epoch では A版 = x + w と B版 = x − w の 両方が手元にあるので、平均すれば w が相殺されて原音 x が残ります。 一致する epoch は変種が 1 つしかないので触りません。

実測では 2 本の系列が食い違うのは 25〜41% でした。記号の出現確率が epoch ごとに偏っているため、偶然の 50% より少なくなります。それでも相殺した分だけ スコアが閾値を割ります。

相殺した epoch のうち実際に erasure になるのは一部で、比率は 0.10〜0.13 に収まります。 改竄検出はこの水準では作動しませんでした（派手に消す手法では 0.24 で作動します）。 時刻層は 1.000 のまま無傷です。

やってはいけない設定

実測して分かった、逆効果になる操作を挙げておきます。

• 相殺の度合いを 1.0 からずらす — 1.0 未満だと透かしが弱く残って 1 本目が読まれ続けます。1.0 を超えると相殺した epoch が 2 本目の記号に倒れ、 2 本目が名指しされます。1.0 だけがどちらにも倒れない点です
• デシンクロを重ねる — 検証器の time-scale-recovery に 復元されるうえ erasure も減り、実測で score が 3.699 → 4.238 と悪化しました

使い方

1. 配信サイトでセッションを 2 つ作り、それぞれの音声をダウンロードする
2. 2 つのファイルをこのページに投入する
3. 「相殺する」を押す。2 本を epoch ごとに比較して食い違う箇所を判別し、そこだけ平均する
4. 出力された WAV をダウンロードする

A版/B版のラベルは要りません。同じ epoch で 2 本を比べれば、変種が違えば差は信号比 −22 dB 付近、同じなら再エンコード雑音だけで −36 dB 以下と桁が違うので、音声だけで 判別できます。

音質について

相殺は原音の推定であって劣化ではありません。A版も B版も知覚的に等価な 同じマスターなので、その平均は元音源そのものに近づきます。触るのは食い違う epoch だけで、 残りは元のデータのままです。実測で 1 本目との差は −30 dB 程度、 これは透かし成分が消えた分です。

出力は 32bit float WAV。元音源は復号時点でフルスケールを超えることがあり、 整数PCMだとクリップするためです。16bit を選ぶとピークに合わせて自動的に音量を下げます。

コマンドラインで使う

セッションの発行からダウンロード・相殺・検証まで全自動で行う実装もあります。

python3 scripts/two_session_attack.py --out out.wav