عمومیت فایل های صوتی، اغلب توجه مهاجمین و عناصر مخرب را برای استفاده از این حامل، جهت پوشش دهی ارتباطات محرمانه خود جلب می نماید. گستردگی استفاده از این قالب ها، به همراه رویکردهای متعدد و مدرنی که برای نهان نگاری در فایل های صوتی طراحی شده اند، می توانند فضای سایبری را به محیطی نا امن بدل نمایند. در راستای مقابله با این تهدیدات، امروزه روش های متعدد نهان کاوی ابداع شده اند که با دقت بالایی قادر به تحلیل آماری قالب های مختلف صوتی، مانند MP3 و VoIp هستند. در میان راه حل های ارایه شده، ترکیب روش های پردازش سیگنال و یادگیری ماشین، امکان ایجاد نهان کاوهایی با دقت بسیار بالا را فراهم نموده است. با این وجود، از آنجا که ویژگی های آماری فایل های صوتی گفتاری متفاوت از نمونه های دیگر صوتی است، روش های جاری نهان کاوی قادر نیستند به شکل موثری فایل های حامل گفتاری را تشخیص دهند. مشکل دیگر، ابعاد بالای تحلیلی است که به شکل چشمگیری هزینه پیاده سازی را افزایش می دهد. در پاسخ به مشکلات ذکرشده، این مقاله ویژگی یک بعدی "درصد نمونه های مجاور یکسان" را به عنوان فاکتور جداسازی نمونه های نهان نگاری شده از پاک مطرح می کند. نتایج نشانگر حساسیت 82/99% نهان کاو طراحی شده با استفاده از دسته بند تابع عضویت گاوسی، در نرخ نهان نگاری 50% است. علاوه بر این، این نهان کاو قادر است با دقت مطلوبی حجم پیام مخفی شده را تخمین بزند. عملکرد الگوریتم طراحی شده بر روی یک پایگاه داده متشکل از نمونه های موسیقی کلاسیک نیز ارزیابی شده و نتایج حاکی از کارایی 2/81% آن هستند.

قابلیت کشف آماری یک نهان کاو بیان کننده توانایی آن در تشخیص تصاویر پاک از تصاویر درج شده است. نهان نگاری بهینه به گونه ای باید طراحی شود که نهان کاو نتواند تصاویر درج شده را تشخیص دهد. به همین دلیل، طراحی یک الگوریتم نهان نگاری بر مبنای کاهش قابلیت کشف آماری نهان کاو، هدفی مهم در نهان نگاری است. با این حال، ایجاد رابطه دقیق بین هزینه تغییر تصویر و قابلیت کشف آماری در حالت کلی مسئله ای حل نشده است. در این مقاله با مدل سازی نهان کاو توسط مدل های گرافیکی خاصی به نام مدل های موضوعی، به تخمین احتمال خطای نهان کاو به عنوان معیاری از قابلیت کشف آماری رسیده ایم. همچنین، بر اساس این معیار، تعریف جدیدی از ظرفیت نهان نگاری ارائه داده شده و رابطه آن را با هزینه تغییر تصویر بررسی گردیده است. همچنین، نشان داده شده است که روابط ریاضی حاصل بین پارامترهای نهان نگار و نهان کاو با ملاک های کلاسیک نظیر PSNR همخوانی دارد. سپس از رابطه هزینه تغییر تصویر و قابلیت کشف آماری به یک الگوریتم نهان نگاری مناسب رسیده ایم. با آزمون روی دادگان مناسب نشان داده شده است که الگوریتم حاصل در زمره بهترین الگوریتم های قابل تحلیل ریاضی است. لازم به ذکر است که تمرکز این مقاله روی حل یک مسئله تئوریک و بازتعریف مفاهیم نهان نگاری است به طوری که روش بهینه درج برمبنای بهینه سازی فریب نهان کاو انجام گردد و نه به صورت کلاسیک برمبنای کاهش فاصله تصویر پوشش و تصویر درج شده. با این حال عملا به بهبود دقت اندکی در حدود 0. 5 % نیز حاصل شده است.

علم پنهان سازیِ پیام حاوی اطلاعات در یک رسانه حامل را نهان نگاری و تلاش برای تشخیص وجود یا نبود پیام نهان شده در شیء پوششی را تحلیل نهان نگاری یا نهان کاوی می نامند. فرمت فشرده سازی MP3 در میان داده های صوتی به عنوان میزبانی مناسب و فراگیر برای نهان نگاری اطلاعات مورداستفاده قرار گرفته و شیوه های نهان نگاری مختلفی برای این منظور طراحی شده اند؛ در این پژوهش، هدف ارائه الگوریتمی برای نهان کاوی به طور خاص برای فایل های فشرده صوتی با قالب MP3 است که با نرم افزارMP3stego نهان نگاری شده اند. برای تهیه دادگان نهان نگاری از فایل های متنی با متون تصادفی استفاده شده است. ابتدا با استفاده از اطلاعات جانبیِ مستخرج از فایل های MP3، ویژگی های لازم استخراج شده و دادگان صوتی که شامل دو دسته فایل های نهان نگاری شده و فایل های نهان نگاری نشده است، به دو بخش دادگان آموزش و دادگان آزمون تقسیم شده و در ادامه با استفاده از روش های یادگیری ماشین (ماشین بردار پشتیبان)، سامانه تشخیص فایل های آلوده و فایل های تمیز طراحی شده و درنهایت کارایی سامانه با استفاده از دادگان آزمون اندازه گیری می شود. در این مقاله، یک ویژگی جدید به نام قله داربودن طیف (SPK) از اطلاعات جانبی فایل MP3 استخراج می شود. سامانک پیشنهادی با استفاده از دادگان جداگانه آزمون که شامل فایل های تمیز و فایل های نهان نگاری شده با ظرفیت های نهان نگاری متنوع است، آزمایش شده و با دقت 100% و بدون خطا فایل های تمیز و آلوده را از هم متمایز می کند. نتایج حاصل حاکی از شناسایی دقیق موارد نهان نگاری شده درعین کاهش پیچیدگی محاسباتی و افزایش سرعت این نوع نهان کاوی نسبت به روش های ابداعی گذشته است.

فناوری نهان نگاری دیجیتال به عنوان یکی از بهترین راه حل ها جهت حل مسیله کپی غیرمجاز، شناسایی محتوا و احراز هویت رسانه های دیجیتال ارایه شده است. نهان نگاری دیجیتال می تواند در حوزه تصویر، متن، صوت ویدیو به کار گرفته شود. نهان نگاری صوت، توجه بسیاری از محققین را به خود جلب کرده است چرا که سامانه شنوایی انسان بسیار حساس تر از سامانه بینایی می باشد. بنابراین، درج داده ها در سیگنال های صوتی به شیوه ای شفاف، بسیار سخت تر از سایر گونه های نهان نگاری است. سامانه نهان نگاری صوت کارآمد می بایست قادر باشد سه معیار شفافیت، مقاوم پذیری و ظرفیت جادهی را بهبود بخشد. بهبود هم زمان این سه معیار به عنوان مساله ای چالش برانگیز در حوزه نهان نگاری است چرا که افزایش ظرفیت جادهی باعث افزایش اعوجاج سیگنال شده و این امر موجب کاهش شفافیت و مقاوم پذیری می گردد. در این مقاله رویکردی جدید به منظور نهان نگاری صوت پیشنهاد می گردد که قادر است سه معیار مقاوم پذیری، شفافیت و ظرفیت را به نحو مناسبی بهبود بخشد. به منظور بهبود مقاوم پذیری سیگنال نهان نگاره شده در برابر حملات پردازش سیگنال از هم افزایی سه تبدیل کارآمد در حوزه پردازش سیگنال به نام های تبدیل گراف محور (GBT)، تبدیل کسینوسی گسسته و تبدیل موجک گسسته (DWT) استفاده شده است. علاوه بر این، به منظور حفظ شفافیت سیگنال نهان نگاری شده، داده های نهان نگاره در ماتریس بالا مثلثی حاصل از تجزیه LU ضرایب تقریب تبدیل موجک گسسته، بر اساس دنباله فیبونانچی درج می شوند. رویه کار بدین صورت است که بر اساس مقدار بیت نهان نگاره، مقادیر غیر صفر ماتریس بالا مثلثی با نزدیک ترین اعداد زوج و یا فرد در دنباله فیبوناچی جایگزین می شوند. عملیات استخراج نهان نگاره به صورت کاملا کور انجام می شود. نتایج حاصل از ارزیابی روش پیشنهادی بر روی فایل های صوتی با سبک های Blue، Electronic، Classic و Jazz نشان می دهند که روش ارایه شده علیرغم مقاوم پذیری مناسب در برابر حملات مختلف پردازش سیگنال، به طور متوسط دارای نرخ سیگنال به نویز 13/45 دسی بل و نرخ جادهی 75/625 بیت بر ثانیه است.

پارامتر مهمی که در نهان نگاری باید تامین شود. مقاومت آن در برابر انواع تبدیلات، فشرده سازی ها و نویزهای عمدی و غیر عمدی ست. بدین منظور معمولا واردسازی علامت پیوند در یک حوزه تبدیل مناسب و با تکنیکی خاص صورت می گیرد. هدف این مقاله، یافتن روشی مناسب جهت نهان نگاری در صحبت است. به طوری که در برابر تبدیل LPC مقاوم باشد. به دلیل خواص مطلوب کدهای شبه نویز طیف گسترده از نوع طول ماکزیمم، این کدها را به منظور تولید علامت پیوند مورد استفاده قرار دادیم. با بررسی اثری که تبدیل LPC و عکس آن بر روی این نوع از علامت پیوند می گذارد روش جدیدی در آشکارسازی علامت پیوند درگیرنده به دست آوردیم. به این ترتیب، بدون اینکه فرآیند واردسازی علامت پیوند مستلزم حوزه تبدیل خاص و تکنیک پیچیده ای باشد، هدف ذکر شده محقق می شود.

امروزه جاسازی برگشت پذیر داده در تصاویر مورد توجه بسیاری قرار گرفته است. با قابلیت برگشت پذیر بودن، محتوای دیجیتال اصلی را می توان به طور کامل بازیابی نمود.  در این مقاله یک روش جاسازی داده برگشت پذیر برای تصاویر دیجیتال ارائه شده است که دستیابی به ظرفیت جاسازی بالا و کاهش بهم ریختگی در تصاویر دیجیتال را به دنبال دارد. در این مقاله، یک روش نهان نگاری برگشت پذیر بر اساس انتخاب ناحیه مناسب نهان­نگاری پیشنهاد می شود که با کمی تغییر روشنایی در حوزه پیکسل، داده ها در تصویر میزبان جاسازی می­شود. مشخص شده است که پیکسل های تغییر داده شده می توانند در طی مراحل بازسازی به مقادیر اصلی شان بازگردند. اثر جبران در این روش می تواند کیفیت تصویر مشخص شده را به طور قابل توجهی بهبود بخشد. به منظور بهبود کیفیت تصویر، ما پیکسل های غیر قابل جاسازی را حفظ می کنیم و از بیت­های پرچم برای تفکیک بین پیکسل های جاسازی شده و پیکسل های غیر جاسازی شده استفاده می کنیم با استفاده از این روش انتخاب پیکسل، یک تصویر نهان­نگاری شده با کیفیت بالاتر به دست می آید که قابلیت­های آن با آزمایش های گسترده قابل تایید می باشد. همچنین در این مقاله یک روش انتخاب ناحیه نهان نگاری بر اساس معیار آنتروپی پیشنهادشده است. در آزمایش های انجام شده در فرایند نهان نگاری اعمال شده بر روی یک نمونه از تصویر (بابون) معیار اندازه گیری فاصله واتسون در حالت قبل از بکارگیری الگوی آنتروپی 8/27 و  با بهره گیری از الگوی آنتروپی 9/7  بود که نشان می دهد روش پیشنهادی می تواند کیفیت تصویر بهتری نسبت به روش نهان نگاری برگشت پذیر رقیب ارائه دهد.