ใน Steganography เกี่ยวกับเสียง ข้อความลับจะถูกติดตั้งลงในสัญญาณเสียงที่แปลงเป็นดิจิทัล ซึ่งส่งผลให้เกิดการแก้ไขชุดไบนารีของไฟล์เสียงที่ตรงกัน มีหลายวิธีสำหรับ Steganography ของเสียงซึ่งมีดังต่อไปนี้ -
การเข้ารหัสบิตต่ำ − ข้อมูลไบนารีสามารถบันทึกในบิตที่มีนัยสำคัญน้อยที่สุดของไฟล์เสียง (เหมือนกับไฟล์ภาพ) ตัวอย่างเช่น ความจุของช่องคือ 1kb ต่อวินาทีต่อ Hz ดังนั้น หากสามารถมีลำดับ 8kHz ได้ ความจุจะเป็น 8kbps
วิธีนี้ทำให้เกิดเสียงที่ได้ยิน มีภูมิคุ้มกันต่ำมากต่อการจัดการ ปัจจัยต่างๆ เช่น การสุ่มตัวอย่างซ้ำและสัญญาณรบกวนของช่องสัญญาณอาจทำให้สัญญาณเสียหายได้
อย่างไรก็ตาม หากแอมพลิจูดมีการเปลี่ยนแปลงเล็กน้อย โดยไม่ทำให้เกิดความแตกต่างที่มองเห็นได้ การใช้งานจะให้การบีบอัด MPEG ที่ทนทานและรูปแบบอื่นๆ ของการจัดการสัญญาณ เช่น การกรอง การสุ่มตัวอย่างซ้ำ และการหาปริมาณซ้ำ
การเข้ารหัสเฟส − สิ่งนี้ทำงานโดยแทนที่ขั้นตอนของเซ็กเมนต์เสียงด้วยขั้นตอนอ้างอิงที่กำหนดข้อมูล ดังนั้นลำดับเสียงดั้งเดิมจึงถูกแบ่งออกเป็นลำดับของช่วงสั้น N
DFT (การแปลงฟูเรียร์แบบไม่ต่อเนื่อง) ใช้กับแต่ละเซ็กเมนต์และคำนวณความแตกต่างของเฟส มีการสร้างเฟรมเฟสใหม่สำหรับทุกกลุ่ม เฟสและขนาดเดิมเชื่อมต่อกันเพื่อสร้างส่วนใหม่
ส่วนใหม่ทั้งหมดเป็นลิงค์สำหรับเอาต์พุตที่เข้ารหัสที่เหมาะสม ที่ส่วนปลายของตัวรับ ความยาวของเซ็กเมนต์และ DFT จะถูกเรียกและค่าจะถูกคัดลอก
สเปรดสเปกตรัม − ข้อมูลที่เข้ารหัสจะกระจายไปทั่วสเปกตรัมความถี่เท่าที่ใช้ได้ ใน Direct Sequence Spread Spectrum สัญญาณจะกระจายโดยการคูณด้วยลำดับสุ่มเทียมที่มีความยาวสูงสุดซึ่งเรียกว่าชิป
ค่าสุ่มตัวอย่างสำหรับสัญญาณโฮสต์ใช้เป็นต้นทุนชิปสำหรับการเข้ารหัส ควอนต้าเริ่มต้นและสิ้นสุดสำหรับเป้าหมายการล็อกขั้นตอนจะต้องรับผิดชอบโดยลักษณะสุ่มตัวอย่างที่ไม่ต่อเนื่องของสัญญาณโฮสต์
ต้นทุนชิปที่สูงขึ้นนำไปสู่ข้อมูลที่เกี่ยวข้องจำนวนมากขึ้น ปัจจัยลบเพียงอย่างเดียวคือเสียงสุ่มที่ DSSS นำเสนอ
ซ่อนข้อมูลเสียงสะท้อน − การซ่อนข้อมูล Echo ฝังข้อมูลลงในสัญญาณโดยใช้เสียงสะท้อน ข้อมูลถูกซ่อนโดยความผันแปรสามโดเมนของเสียงสะท้อน เช่น แอมพลิจูดดั้งเดิม ต้นทุนที่ลดลง และออฟเซ็ตหรือความล่าช้า
เมื่อออฟเซ็ตดีขึ้น siganl และเสียงก้องจะกลมกลืนกัน ณ จุดใดจุดหนึ่ง หูของมนุษย์ไม่สามารถจัดหมวดหมู่ระหว่างทั้งสองได้ และก้องจะได้ยินเป็นการกำทอนพิเศษ
โดยใช้เวลาหน่วงเวลาต่างกัน 2 ครั้ง ซึ่งต่ำกว่าระดับที่มนุษย์ได้ยิน และสามารถเข้ารหัสเลขฐานสองหรือศูนย์ได้
สัญญาณจะถูกแบ่งออกเป็นบิตที่เล็กกว่า ซึ่งแต่ละอันจะถูกสะท้อนเพื่อเข้ารหัสบิตที่ต้องการ สัญญาณสะท้อนสุดท้ายเป็นการรวมตัวกันของพื้นที่สะท้อนอิสระทั้งหมดอีกครั้ง สัญญาณนี้ทำงานได้ดีเป็นพิเศษและเป็นรหัสที่รัดกุมที่สุดในปัจจุบันระหว่างไฟล์เสียง
