基于人工智能和物联网的音频数据加密方法及解密方法与流程

1.本发明涉及数据加密技术领域，具体涉及一种基于人工智能和物联网的音频数据加密方法及解密方法。


背景技术：

2.目前，音频数据加密主要分为对称加密和非对称加密两种方式。其中，对于对称加密，加密算法与解密算法密钥的秘钥相同；对于非对称加密，加密算法与解密算法密钥的秘钥不相同。无论是哪种加密方式，均是利用公钥对音频数据进行加密，并利用对应的私钥对音频数据进行解密。
3.但是，在现有利用公钥对音频数据进行加密，并利用对应的私钥进对音频数据进行解密的情况下，私钥一旦泄露或被破解，很容易造成音频数据被篡改和替换，音频数据的保密性和安全性较差。


技术实现要素：

4.本发明的目的在于提供一种基于人工智能和物联网的音频数据加密方法及解密方法，用于解决采用现有的加密方法对音频数据进行加密，音频数据保密性较差的技术问题。
5.为解决上述技术问题，本发明提供了一种基于人工智能和物联网的音频数据加密方法，包括以下步骤：
6.获取待加密的音频数据，去除待加密的音频数据中的静音片段，得到去除静音片段的连续音频波；
7.对去除静音片段的连续音频波进行分解，根据分解结果得到k个单声音源音频波形，并根据k个单声音源音频波形，获取k个单声音源音频波形的标准波形；
8.根据k个单声音源音频波形以及k个单声音源音频波形的标准波形，获取k个单声音源音频波形的标准波形的各个时刻所对应的特征标签向量；
9.根据k个单声音源音频波形的标准波形的各个同一时刻所对应的特征标签向量以及k个单声音源音频波形，获取k个加密波形以及待加密的音频数据的私钥；
10.将k个加密波形及其对应的标准波形以及待加密的音频数据的私钥发送给音频接收方。
11.进一步的，获取k个加密波形以及待加密的音频数据的私钥的步骤包括：
12.根据k个单声音源音频波形的标准波形的各个同一时刻所对应的特征标签向量，构造k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵，并分别计算k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征向量和各个特征值；
13.根据k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征向量，获取待加密的音频数据的私钥，并根据k个单声音源音频波形的标准波形的各
个同一时刻所对应的协方差矩阵的各个特征值，对k个单声音源音频波形进行加密，获取k个加密波形。
14.进一步的，获取k个单声音源音频波形的标准波形的各个时刻所对应的特征标签向量的步骤包括：
15.根据单声音源音频波形以及该单声音源音频波形的标准波形，分别计算该单声音源音频波形的标准波形中各点相对于该单声音源音频波形中各点的差异指标；
16.根据该单声音源音频波形的标准波形中各点相对于该单声音源音频波形中各点的差异指标，确定该单声音源音频波形的标准波形中各点在该单声音源音频波形中的匹配点，并计算该单声音源音频波形的标准波形中各点相对其在该单声音源音频波形中的匹配点的差值指标；
17.根据该单声音源音频波形的标准波形中各点的幅值及其在单声音源音频波形中的匹配点的幅值、该单声音源音频波形的标准波形中各点相对其在该单声音源音频波形中的匹配点的差值指标以及去除待加密的音频数据中的静音片段的位置和静音片段的长度，确定该单声音源音频波形的标准波形中不同时刻所对应的特征标签向量。
18.进一步的，计算该单声音源音频波形的标准波形中任意一点相对于该单声音源音频波形中各点的差异指标对应的计算公式为：
19.di＝|w
ij
|*|a
i-bj|
20.其中，di为单声音源音频波形的标准波形中第i个点相对于该单声音源音频波形中第j个点的差异指标，ai为单声音源音频波形的标准波形中第i个点的幅值，bj为单声音源音频波形中第j个点的幅值，w
ij
为单声音源音频波形的标准波形中第i个点与该单声音源音频波形中第j个点的时刻的差值，|*|为对*取绝对值。
21.进一步的，获取各个单声音源音频波形的标准波形的步骤包括：
22.分别获取每个单声音源音频波形中的其中一个完整周期的三角波，将该完整周期的三角波平移至对应单声音源音频波形的起始位置；
23.对平移至对应单声音源音频波形的起始位置的完整周期的三角波按照该三角波的波形变化规律沿时间轴方向进行延伸，直至延伸至对应单声音源音频波形的终止位置，从而得到该对应单声音源音频波形的标准波形。
24.进一步的，构造k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的步骤包括：
25.根据k个单声音源音频波形的标准波形的各个同一时刻所对应的特征标签向量，分别计算任意同一时刻所对应的任意两个特征标签向量之间的余弦距离，从而得到k个单声音源音频波形的标准波形的该同一时刻所对应的k
×
k的协方差矩阵。
26.进一步的，获取k个加密波形的步骤包括：
27.将k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征值按照设定大小顺序，依次赋值给k个单声音源音频波形中对应的各个同一时刻对应的幅值，从而获取k个加密波形。
28.进一步的，获取待加密的音频数据的私钥的步骤包括：
29.根据k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征向量，构造特征拼接向量；
30.采用自编码网络对构造的特征拼接向量进行编码，得到待加密的音频数据的私钥。
31.为解决上述技术问题，本发明还提供了一种应用于上述基于人工智能和物联网的音频数据加密方法的解密方法，包括以下步骤：
32.根据待解密的音频数据的私钥和k个加密波形，获取k个单声音源音频波形的标准波形的各个时刻所对应的特征标签向量；
33.根据k个单声音源音频波形的标准波形的各个时刻所对应的特征标签向量以及k个单声音源音频波形的标准波形，得到解密后的音频信号。
34.进一步的，获取k个单声音源音频波形的标准波形的各个时刻所对应的特征标签向量的步骤包括：
35.根据待解密的音频数据的私钥，获取k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征向量；
36.根据k个加密波形，获取k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征值；
37.根据k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征向量以及特征值，获取k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵；
38.根据k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵，计算k个单声音源音频波形的标准波形的各个同一时刻所对应的特征标签向量。
39.本发明具有如下有益效果：通过去除待加密的音频数据中的静音片段，得到去除静音片段的连续音频波，对去除静音片段的连续音频波进行分解，根据分解结果得到k个单声音源音频波形；通过获取不同单声音源音频波形的标准波形，并通过对不同单声音源音频波形及其对应的标准波形进行分析，得到相应的特征标签向量，然后根据特征标签向量对不同单声音源音频波形进行加密，得到各个加密波形以及待加密的音频数据的私钥。在进行解密时，仅通过解密密钥无法完成解密，需要同时结合不同单声音源音频波形的标准波形，才能完成最终的解密过程，有效提高了密音频数据的安全性。
附图说明
40.为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
41.图1为本发明的基于人工智能和物联网的音频数据加密方法的流程图。
具体实施方式
42.为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
43.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
44.本实施例提供了一种基于人工智能和物联网的音频数据加密方法，其对应的流程图如图1所示，包括以下步骤：
45.(1)获取待加密的音频数据，去除待加密的音频数据中的静音片段，得到去除静音片段的连续音频波。
46.其中，通过音频采集装置对待加密场景的音频数据进行采集，该加密场景可以为教学录制场景。在采集到音频数据之后，对采集到音频数据进行预处理，即首先利用可适用于任何采样频率的webrtc音频算法对采集到的音频数据进行去噪处理，以抑制音频数据中的噪声干扰。在进行去噪处理后，再利用运算量较少的aecm算法对音频数据进行回声抑制，避免因麦克风的干扰造成采集的声音中存在回声。由于采用webrtc音频算法对音频数据进行去噪以及aecm算法对音频数据进行回声抑制的过程属于现有技术，此处不再赘述。通过上述预处理，可以提高后续音频数据的识别精度和加密效率。
47.将预处理之后的音频数据作为初始音频数据，对该初始音频数据中的静音片段直接删除，不做处理，删除方法为：默认音频波与时间轴重叠的音频波为静音波段，将此类静音波段直接删除，保留的波段以时间轴上删除点为拼接点进行拼接，得到连续的音频数据。
48.(2)对去除静音片段的连续音频波进行分解，根据分解结果得到k个单声音源音频波形，并根据k个单声音源音频波形，获取k个单声音源音频波形的标准波形。
49.对步骤(1)中获取的去除静音片段的连续音频波进行分解，得到相同时序下音频数据中不同声音来源(不同人声)的音频波形。分解方法可以采用混合高斯模型拟合，将不同的音频数据波看做多个子高斯模型混合和拼接，分解得到单个连续的时序子高斯模型，也即为单声音源音频波形。由于混合高斯模型拟合以及采用该混合高斯模型拟合对混合音频数据进行分解的过程为公知算法，此处不再赘述。将分解后得到的各个单声音源音频波形映射到同一二维坐标系中，横轴表示时间，纵轴表示单声音源音频波形的幅值。
50.通过单个分解后的单声音源音频波形得到音频信息的时域图。其中，时域图表征音频数据在时间轴上的振幅波动大小，能够根据波形规律得到人的发音音色特征，根据振幅大小得到人的发音响度特征。
51.需要说明的是，直接通过分解后得到的单声音源音频波形可能是不连续的，且对于不同的单声音源音频波形，其在时域图上对应的时间轴上的时刻取值也不尽相同，例如，某个单声音源音频波形在时间轴上对应的时间段为5s-30s，而另外一个单声音源音频波形在时间轴上对应的时间段为2s-30s。因此，为了便于后续加密过程的进行，在通过分解得到k个单声音源音频波形之后，还需要对这些单声音源音频波形进行规整，具体过程包括：
52.首先，对k个单声音源音频波形中的各个不连续波形分别进行连续性处理，即将各个不连续波形的两两相邻的波形片段之间利用平行于波形的时间轴且幅值为0的连接线进行连接。通过连续性处理，可以认为每个单声音源音频波形在其起始和终止之间的波段，对应时间轴上的每一个时刻点，均对应一个幅值。
53.其次，确定经过连续性处理后的k个单声音源音频波形在整个时间轴上的总时间段，例如：有三个单声音源音频波形，第一个单声音源音频波形在时间轴上对应的时间段为5s-30s，第二个单声音源音频波形在时间轴上对应的时间段为2s-30s，第三个单声音源音
频波形在时间轴上对应的时间段为10s-20s，那么三个单声音源音频波形在整个时间轴上的总时间段为2s-30s。在确定经过连续性处理后的k个单声音源音频波形在整个时间轴上的总时间段之后，将经过连续性处理后的k个单声音源音频波形中不位于整个时间段内的各个单声音源音频波形在该整个时间段进行波形补充，补充的波形为平行于波形的时间轴且幅值为0的波段。
54.通过上述规整，可以得到规整之后的k个单声音源音频波形，这k个单声音源音频波形在时间轴上对应相同的时间段，且对应该时间段内的每一个时刻，每个单声音源音频波形均对应一个相应的幅值。因此，规整之后的k个单声音源音频波形属于相同时序序列下的波形图。
55.根据规整之后的k个单声音源音频波形，获取这k个单声音源音频波形的标准波形，具体实现过程如下：
56.(2-1)分别获取每个单声音源音频波形中的其中一个完整周期的三角波，将该完整周期的三角波平移至对应单声音源音频波形的起始位置。
57.对规整之后的k个单声音源音频波形分别进行周期性检测，对应每一个单声音源音频波形，获取至少一个完整周期的正弦波，该完整周期的正弦波可以为完全标准的正弦波，也可以为近似标准的正弦波。将每一个完整周期的正弦波平移至坐标系统中对应规整之后的单声音源音频波形的起始位置。当然，若获取的完整周期的正弦波恰好位于对应规整之后的单声音源音频波形的起始位置，那么此时可以认为完整周期的正弦波的平移量为0。
58.(2-2)对平移至对应单声音源音频波形的起始位置的完整周期的三角波按照该三角波的波形变化规律沿时间轴方向进行延伸，直至延伸至对应单声音源音频波形的终止位置，从而得到该对应单声音源音频波形的标准波形。
59.在将每一个完整周期的正弦波平移至对应规整之后的单声音源音频波形的起始位置之后，根据完整的正弦波进行时序上的复制，即按照该完整周期的正弦波的波形变化规律沿时间轴方向进行延伸，直至延伸至对应单声音源音频波形的终止位置，从而得到整个时序序列上的标准波形时域图，至此可以得到规整之后的各个单声音源音频波形的标准波形。
60.(3)根据k个单声音源音频波形以及k个单声音源音频波形的标准波形，获取k个单声音源音频波形的标准波形的各个时刻所对应的特征标签向量，具体步骤包括：
61.(3-1)根据单声音源音频波形以及该单声音源音频波形的标准波形，分别计算该单声音源音频波形的标准波形中各点相对于该单声音源音频波形中各点的差异指标。
62.根据相同时序序列下的单声音源音频波形以及该单声音源音频波形的标准波形，计算单声音源音频波形与其对应的标准波在相同时间序列下的振幅差值d＝|a
i-bj|，其中，ai为单声音源音频波形的标准波形中第i个点的幅值，bj为单声音源音频波形中第j个点的幅值。考虑到音频数据为连续数据，在将单声音源音频波形中的点与其对应的标准波形中的点进行匹配时，应该尽可能匹配近邻的数据点，所以，在单声音源音频波形与其对应的标准波在相同时间序列下的振幅差的基础上加上时序权重，从而得到一个新的差值指标，也就是差异指标，其对应的计算公式为：
63.di＝|w
ij
|*|a
i-bj|
64.其中，di为单声音源音频波形的标准波形中第i个点相对于该单声音源音频波形中第j个点的差异指标，ai为单声音源音频波形的标准波形中第i个点的幅值，bj为单声音源音频波形中第j个点的幅值，w
ij
为单声音源音频波形的标准波形中第i个点与该单声音源音频波形中第j个点的时刻的差值，|*|为对*取绝对值。
65.(3-2)根据该单声音源音频波形的标准波形中各点相对于该单声音源音频波形中各点的差异指标，确定该单声音源音频波形的标准波形中各点在该单声音源音频波形中的匹配点，并计算该单声音源音频波形的标准波形中各点相对其在该单声音源音频波形中的匹配点的差值指标。
66.根据单声音源音频波形的标准波形各点相对于该单声音源音频波形中各点的差异指标，将标准波形及其对应的单声音源音频波形中最接近的相似点进行匹配，相似点匹配的过程从时间序列的起始位置开始，按照时间顺序依次进行匹配。也就是说，从标准波形中的对应起始时间的第一个点开始，分别计算该标准波形中的第一个点相对于对应单声音源音频波形中各点的差异指标，将差异指标最小时所对应的单声音源音频波形中的点作为该标准波形中的第一个点的匹配点。然后计算该标准波形中的第二个点相对于对应单声音源音频波形中除了上述第一个点的匹配点外的其他各个点的差异指标，并根据各个差异指标确定该标准波形中的第二个点的匹配点。按照这种匹配规律，可以确定该单声音源音频波形的标准波形中任意一点在该单声音源音频波形中的匹配点，且匹配点关系为一对一关系，即该单声音源音频波形的标准波形中每一个点在该单声音源音频波形中有唯一一个匹配点。
67.在确定单声音源音频波形的标准波形中的各个点在该单声音源音频波形中的匹配点之后，计算标准波形中的各个点相对其对应的匹配点的差值指标，其对应的计算公式为：
[0068][0069]
其中，di′
为单声音源音频波形的标准波形中第i个点相对其对应的该单声音源音频波形中的匹配点的差值指标，ai为单声音源音频波形的标准波形中第i个点的幅值，bi为单声音源音频波形的标准波形中第i个点在该单声音源音频波形中的匹配点的幅值，为单声音源音频波形的标准波形中第i个点与其对应的该单声音源音频波形中的匹配点的时刻的差值。
[0070]
(3-3)根据该单声音源音频波形的标准波形中各点的幅值及其在单声音源音频波形中的匹配点的幅值、该单声音源音频波形的标准波形中各点相对其在该单声音源音频波形中的匹配点的差值指标以及去除待加密的音频数据中的静音片段的位置和静音片段的长度，确定该单声音源音频波形的标准波形中不同时刻所对应的特征标签向量。
[0071]
在上述步骤的基础之上，可以获取单声音源音频波形的标准波形中每一个点在该单声音源音频波形中的匹配点，然后计算标准波形中每一个点与其对应匹配点之间的欧式距离di＝|a
i-bi|,di为标准波形中第i个点也就是第i个时刻与其对应的单声音源音频波形中匹配点之间的欧式距离，ai为单声音源音频波形的标准波形中第i个点的幅值，bi为单声音源音频波形的标准波形中第i个点在该单声音源音频波形中的匹配点的幅值。
[0072]
在计算出标准波形中每一个点与其对应匹配点之间的欧式距离之后，可以将该欧式距离作为单声音源音频波形的标准波形中该点对应的时刻值所对应的特征标签。另外，
由于静音片段反映的特征不仅仅包括说话间隙，同时还包括说话时，间隔符的停顿，因此静音片段的长度也可以作为单声音源音频波形的标准波形中每个点对应的时刻值所对应的特征标签。然后结合该单声音源音频波形的标准波形中各点相对其在该单声音源音频波形中的匹配点的差值指标，就可以得到单声音源音频波形的标准波形中不同时刻所对应的特征标签向量：
[0073]bi
＝[di,ci,di′
]
[0074]
其中，bi为单声音源音频波形的标准波形中第i个时刻所对应的特征标签向量，di为单声音源音频波形的标准波形中第i个点(第i个点对应第i个时刻)与其对应的单声音源音频波形中匹配点之间的欧式距离，ci为单声音源音频波形的标准波形中第i个时刻所对应的去除待加密的音频数据中静音片段长度，若单声音源音频波形的第i个时刻属于步骤(1)中删除静音片段的删除点，则ci即为该删除点对应的删除的静音片段的长度，若单声音源音频波形的第i个时刻不属于步骤(1)中删除静音片段的删除点，则ci＝0，di′
为单声音源音频波形的标准波形中第i个点相对其对应的该单声音源音频波形中的匹配点的差值指标。
[0075]
至此，通过利用各个单声音源音频波形的波形变化，可以获取各个单声音源音频波形的标准波形中不同时刻所对应的特征标签向量，该特征标签向量能够体现单声音源音频波形与其对应的标准波形之间的关系特征，利用特征标签向量进行后续加密，相当于将声音源音频波形信息嵌入到加密数据，有助于提高加密的安全性，同时，在后续解密的过程中，恢复到特征标签向量再基于标准波形能够实现无损解密，避免关键音频数据的丢失或篡改。
[0076]
(4)根据k个单声音源音频波形的标准波形的各个同一时刻所对应的特征标签向量以及k个单声音源音频波形，获取k个加密波形以及待加密的音频数据的私钥，具体步骤包括：
[0077]
(4-1)根据k个单声音源音频波形的标准波形的各个同一时刻所对应的特征标签向量，构造k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵，并分别计算k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征向量和各个特征值。
[0078]
其中，构造各个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的步骤包括：
[0079]
根据k个单声音源音频波形的标准波形的各个同一时刻所对应的特征标签向量，分别计算任意同一时刻所对应的任意两个特征标签向量之间的余弦距离，从而得到k个单声音源音频波形的标准波形的该同一时刻所对应的k
×
k的协方差矩阵a。具体的，以k个单声音源音频波形的标准波形的第i个时刻为例，这k个单声音源音频波形的标准波形在第i个时刻对应的特征标签向量分别为b1、b2、b3……bk
，计算b1、b2、b3……bk
中任意两个特征标签向量b
p
和bq之间的余弦距离ρ
p,q
＝cos(b
p
,bq)，其中，p＝1、2、3
……
k，q＝1、2、3
……
k，则该余弦距离ρ
p,q
即为第i个时刻对应的k
×
k的对应协方差矩阵的第p行第q列的元素值。通过这种方式，即可以获得各个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵。
[0080]
在获得各个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵
之后，分别计算k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵a的各个特征向量和各个特征值。由于协方差矩阵a的矩阵大小为k
×
k，因此协方差矩阵a对应可以得到k个特征值和特征向量，以便于后续基于各个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵a的k个特征值对各个单声音源音频波形进行加密，并基于k个特征向量对加密的单声音源音频波形进行解密。
[0081]
(4-2)根据k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征向量，获取待加密的音频数据的私钥，并根据k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征值，对k个单声音源音频波形进行加密，获取k个加密波形。
[0082]
在上述步骤(4-1)的基础上，利用协方差矩阵a的k个特征向量作为私钥，可以直接传输给音频数据接收方。但是，考虑到k个单声音源音频波形的标准波形的各个同一时刻都会对应一个特征向量(大小应该为k
×
1)，假设k个单声音源音频波形的标准波形上均对应n个时刻，那么k个单声音源音频波形的标准波形就会对应得到k
×
n个特征向量，将所有的特征向量组成一个向量图，即将k个单声音源音频波形的标准波形上每个时刻对应的特征向量进行拼接，得到一个特征拼接向量，最终得到的向量图的大小为k
×
(n
×k×
1)，如果直接将向量图传输给音频数据接收方，数量较大。所以，采用自编码网络对构造的特征拼接向量进行编码，即将向量图作为输入，利用自编码网络对向量图进行编码(encoder)，得到一个特征张量z，将该特征张量z作为待加密的音频数据的私钥传输给音频数据接收方。由于利用自编码网络对向量图进行编码得到相应的特征张量的过程属于现有技术，此处不再赘述。
[0083]
另外，根据k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征值，对k个单声音源音频波形进行加密，即对同一时刻所对应的协方差矩阵的各个特征值由大到小进行排序，然后将这些由大到小排列的特征值依次赋值给k个单声音源音频波形在该时刻的幅值，即可获取k个加密波形，从而实现对k个单声音源音频波形的加密过程。
[0084]
(5)将k个加密波形及其对应的标准波形以及待加密的音频数据的私钥发送给音频接收方。
[0085]
在上述步骤(1)-(4)的基础上，可以得到k个单声音源音频波形的k个加密波形以及待加密的音频数据的私钥，将其发送给音频接收方。同时，k个单声音源音频波形的k个标准波形作为验证信息，用于音频数据解密，也发送给音频接收方。
[0086]
本实施例还提供了一种应用于上述基于人工智能和物联网的音频数据加密方法的解密方法，包括以下步骤：
[0087]
步骤s1：根据待解密的音频数据的私钥和k个加密波形，获取k个单声音源音频波形的标准波形的各个时刻所对应的特征标签向量，具体步骤包括：
[0088]
(a)根据待解密的音频数据的私钥，获取k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征向量。
[0089]
音频接收方在解密时，利用自编码解码器(decoder)对待解密的音频数据的私钥也就是特征张量z进行恢复，输出特征拼接向量，根据特征拼接向量可以得到k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征向量。
[0090]
(b)根据k个加密波形，获取k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征值。
[0091]
由于在加密过程中，是由k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征值按照由大到小排列的特征值依次赋值给k个单声音源音频波形在该时刻的幅值，来得到k个个加密波形，因此，反过来，也可以根据k个加密波形，获取k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征值。
[0092]
(c)根据k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征向量以及特征值，获取k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵。
[0093]
在上述步骤(a)和(b)的基础上，可以得到k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵的各个特征向量和特征值，利用各个同一时刻所对应的协方差矩阵的各个特征向量和特征值，可以相应得到k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵a。
[0094]
(d)根据k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵，计算k个单声音源音频波形的标准波形的各个同一时刻所对应的特征标签向量。
[0095]
由于在加密过程中，是由k个单声音源音频波形的标准波形的各个同一时刻所对应的特征标签向量按照设定的运算规则进行运算，来得到k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵，因此，反过来，也可以根据k个单声音源音频波形的标准波形的各个同一时刻所对应的协方差矩阵，计算出k个单声音源音频波形的标准波形的各个同一时刻所对应的特征标签向量，具体实现过程属于现有技术，此处不再赘述。
[0096]
步骤s2：根据k个单声音源音频波形的标准波形的各个时刻所对应的特征标签向量以及k个单声音源音频波形的标准波形，得到解密后的音频信号。
[0097]
k个单声音源音频波形的标准波形的第i个时刻所对应的特征标签向量bi＝[di,ci,di′
]由于已知k个单声音源音频波形的标准波形在第i个时刻的幅值，那么根据该第i个时刻所对应的k个特征标签向量中的欧式距离di，即可以计算出k个单声音源音频波形的标准波形在第i个时刻的对应匹配点的幅值，再结合该第i个时刻所对应的k个特征标签向量中的差值指标di′
以及差值指标di′
对应的计算公式，就可以计算出k个单声音源音频波形的标准波形在第i个时刻的对应匹配点的时刻值，也就是对应匹配点为单声音源音频波形中的第几个点。
[0098]
按照上述方式，依次遍历k个单声音源音频波形的标准波形上的所有时刻的特征标签向量，即可确定k个单声音源音频波形的标准波形上的所有时刻对应的点在对应的单声音源音频波形中的匹配点，将这些匹配点进行排序，从而还原出k个单声音源音频波形。
[0099]
在得到k个单声音源音频波形之后，对这k个单声音源音频波形进行叠加，从而得到去除静音片段的连续音频波，然后再结合k个单声音源音频波形的标准波形的各个时刻所对应的特征标签向量中的去除待加密的音频数据中静音片段长度，对去除静音片段的连续音频波中相应的时刻添加相应长度的静音片段，从而得到最终解密后的音频信号，至此音频数据的解密过程完成。
[0100]
本发明通过获取不同单声音源音频波形的标准波形，并通过对不同单声音源音频波形及其对应的标准波形进行分析，得到相应的特征标签向量，然后根据特征标签向量对
不同单声音源音频波形进行加密，得到各个加密波形以及待加密的音频数据的私钥。在进行解密时，仅通过解密密钥无法完成解密，需要同时将不同单声音源音频波形的标准波形、各个加密波形以及待加密的音频数据的私钥相结合，才能完成最终的解密过程，提高了加密音频数据的安全性。
[0101]
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0102]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
[0103]
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。