随着通信技术的发展,语音通信的保密和安全也越来越重要。潜信道是在公开的信道中所建立的一种实现隐蔽通信的信道,为了实现语音信息的隐蔽传输,本文利用音频电路的非线性效应,揭示语音通信中潜信道攻击的基本原理,探索一种语音通信的潜信道隐蔽通信方法,并通过音频特征分析,结合机器学习算法,实现潜信道攻击的判别。本文就声波的潜信道隐蔽通信及安全防护方法,完成了以下几个方面的工作:分析了潜信道声波隐蔽通信的理论基础,并对声波调制和非线性效应进行建模。搭建了实验平台,设计并完成了简易低成本系统,在小成本小体积的基础上实现了潜信道声波隐蔽通信系统。为研究潜信道声波通信的信号特征,提出了一种基于梅尔频率倒谱系数(Mel Frequency Cepstral Coefficients,MFCC)的音频特征分析方案。MFCC是一种广泛使用的音频特征,主要用于声音识别和生成方面,该特征具有侧重于人耳的听觉特性的特点。实验建立了36维特征的音频信号模型,利用Matlab分析该特征的特点,并提出了基于MFCC的音频特征识别模型,为后续的机器学习判别恶意攻击提供数据基础。为解决恶意攻击的识别问题,提出了一种基于机器学习的潜信道声波识别方案。建立基于音频特征的判别模型,采集实际的音频信号数据对其性能做进一步分析。采集的实测数据结合多种机器学习分类算法验证了模型的可行性。实验提取36维音频特征,采用RS-KNN(Random Subspace-K Nearest Neighbors)算法可达到平均99.6%的识别率。最后提出了一种边缘计算下恶意攻击识别方案,在节约终端自身计算资源的基础上,将声波潜信道恶意攻击的识别方案变得智能化。综上所述,本文以潜信道声波隐蔽通信为应用背景,主要进行了潜信道声波隐蔽通信的理论基础研究,音频特征模型建立,机器学习算法分析,搭建硬件平台,开展实验数据验证,证明了理论结果的正确性。