Merge pull request #53 from jynychen/fix/words-typo

fix/words typo

thesis/contents/chapter03.tex

@@ -123,7 +123,7 @@ \subsection{系統假設}
         近期的研究表明，目前的技術發展現狀已經能透過低成本、可穿戴式的裝置，
     產生有效的超音波麥克風干擾 \cite{chen2020demonstrating}。
     本研究實作嘗試復現 Yuxin Chen, Huiying Li 等人的實作 \cite{chen2020wearable}，
-    並透過復現實作的超音波麥克風干擾器作為參考，近一步分析評估於不同信噪比時的干擾效果。
+    並透過復現實作的超音波麥克風干擾器作為參考，進一步分析評估於不同信噪比時的干擾效果。
     如系統實驗 \ref{subsec:exp-jammer} \nameref{subsec:exp-jammer}。
 
     \item 系統各角色之間通訊為加密通道：
@@ -655,7 +655,7 @@ \subsection{註冊會談主持者階段}\label{subsec:protocol-init-reg}
     \item $\{\}$ $,~$ \DEFowner $\rightarrow$ \DEFmeetingbox：
 
         當會談主持者 \DEFowner 觀察到於會談終端 \DEFmeetingbox 上的人機互動介面提示，
-    向發會談終端送請求獲得會談的元資料。
+    向會談終端發送請求獲得會談的元資料。
 
     \item $\{$\DEFsessionID$\}$ $,~$ \DEFmeetingbox $\rightarrow$ \DEFowner：
 
@@ -1020,7 +1020,7 @@ \subsection{取得會談聲音記錄階段}\label{subsec:protocol-unseal-access}
     此階段目標為，透過談主持者 \DEFowner 於解封伺服器 \DEFserver 的授權金鑰 \DEFagentKey，
 還原出屬於此次會談的解封金鑰 \DEFunsealKey。
 並透過接續章節所描述其他系統機制如 \ref{sec:anc} \nameref{sec:anc}，
-最終取得有效的有效的談聲音記錄 \DEFrecREV。
+最終取得有效的會談聲音記錄 \DEFrecREV。
 
     此階段為 \ref{subsec:unseal} \nameref{subsec:unseal}中的步驟 2，
 其運作細節如圖 \ref{fig:protocol-unseal-access}與說明：
@@ -1100,7 +1100,7 @@ \subsection{取得會談聲音記錄階段}\label{subsec:protocol-unseal-access}
         若為一人，則屬於此次會談的解封金鑰 \DEFunsealKey 則為唯一會談主持者的授權金鑰 \DEFagentKey。
     若為多人，則關聯查詢所有屬於此次會談 \DEFownerAll 的所有授權金鑰 \DEFagentKey，
     組合成所有的分割秘密 \DEFsharesAll。
-    接著將其透過金鑰分割演算法合併函數 \DEFfuncSSC{}，合併還原為則屬於此次會談的解封金鑰 \DEFunsealKey。
+    接著將其透過金鑰分割演算法合併函數 \DEFfuncSSC{}，合併還原為此次會談的解封金鑰 \DEFunsealKey。
 
         得到解封金鑰 \DEFunsealKey 後，透過對稱式加密演算法之解密函數 \DEFfuncDecEK{}，
     將屬於此次會談的受加密保護的聲音記錄 \DEFrecP 解密，
@@ -1119,7 +1119,7 @@ \subsection{取得會談聲音記錄階段}\label{subsec:protocol-unseal-access}
 \section{自適應噪音消除}\label{sec:anc}
 
     本章將說明於生命週期解封會談聲音記錄中，如何應用自適應噪音消除，以還原出有效的會談聲音記錄。
-本研究所設計之系統中，有兩個聲音數入分別為 \DEFrecJ 與 \DEFrecN。
+本研究所設計之系統中，有兩個聲音輸入分別為 \DEFrecJ 與 \DEFrecN。
 其中 \DEFrecJ 是來自於開啟音波麥克風干擾器場域裡的會談聲音記錄，內容為超音波麥克風干擾器的干擾與會談聲音的疊加。
 會談聲音記錄因受到超音波麥克風干擾器的干擾，而成為非有效之聲音記錄。
 \DEFrecN 為純超音波麥克風干擾器於麥克風的響應輸出(純噪音)之聲音記錄，如圖 \ref{fig:anc}。
@@ -1209,7 +1209,7 @@ \section{聲音樣本的離散時間誤差推估}\label{sec:estimate}
     本章節將說明聲音樣本的離散時間誤差值推估函 \DEFfuncEstm{}
 如何推估聲音樣本的離散時間誤差值 \DEFshift，用於自適應噪音消除時對齊聲音樣本。
 
-    在前章節中提到，本研究消於除噪音時為了提升噪音消除的成效，
+    在前章節中提到，本研究於消除噪音時為了提升噪音消除的成效，
 透過將輸入噪音聲音紀錄 \DEFrecN 的離散時間索引值 \DEFpause 加上離散時間誤差值 \DEFshift，
 來對齊修正噪音聲音紀錄 \DEFrecN 與欲消去噪音聲音紀錄 \DEFrecJ 的離散時間誤差。
 已知純噪音聲音紀錄 \DEFrecN 與欲消去噪音聲音紀錄 \DEFrecJ 的取樣率 \DEFsamplerate 相同，
@@ -1233,7 +1233,7 @@ \section{聲音樣本的離散時間誤差推估}\label{sec:estimate}
 首先使聲音樣本的離散時間序列索引值 \DEFpause 從零開始，逐步迭代。
 在每次迭代中，將受干擾的會談聲音紀錄 \DEFrecJ 中第 \DEFpause  個樣本，
 與純噪音聲音紀錄 \DEFrecN 中第 \DEFpause $+$ \DEFcandiSFT 個樣本相減，
-得到第 \DEFpause 個樣本下能量差。\DEFpause 於每一次迭代逐步遞增，並累計能量差的絕對值，
+得到第 \DEFpause 個樣本時的能量差。\DEFpause 於每一次迭代逐步遞增，並累計能量差的絕對值，
 至純噪音聲音紀錄 \DEFrecN 或受干擾的會談聲音紀錄 \DEFrecJ 的長度 \DEFtimeLen 停止。
 最終得到特定動態相對平移量 \DEFcandiSFT 之下的累計能量差。
 

thesis/contents/chapter04.tex

@@ -42,7 +42,7 @@ \subsection{會談終端}\label{subsec:impl-mbox}
 \paragraph{物理控制介面}
 
     如圖 \ref{fig:mbox} \nameref{fig:mbox}中左上紅色虛線圓框所示。
-本系統實作以按鈕為例，提供會談參與者操作與會談終端互動，獲得外部觸發事件，｀
+本系統實作以按鈕為例，提供會談參與者操作與會談終端互動，獲得外部觸發事件，
 用於創建、開始與結束會談。
 
 \paragraph{人機互動介面}
@@ -69,7 +69,7 @@ \subsection{會談終端}\label{subsec:impl-mbox}
     如圖 \ref{fig:mbox} \nameref{fig:mbox}中右下綠色點線方框所示。
 本系統實作以 Raspberry Pi 4B 為例，包含一 Geekworm X728 電池模組用於供電。
 邏輯控制核心使用 Python 實作，控制周邊裝置包含人機互動介面、物理控制介面、超音波麥克風干擾器與錄音麥克風，
-並網路介面與解封伺服器溝通。透過 GPIO 接收來自物理控制介面介面的外部觸發事件；透過 SPI 介面控制人機互動介面；
+並網路介面與解封伺服器溝通。透過 GPIO 接收來自物理控制介面的外部觸發事件；透過 SPI 介面控制人機互動介面；
 透過 GPIO 控制一外部 MOSFET 開啟關閉超音波干擾器；透過 fork/exec 呼叫 arecord 透過麥克風進行錄音；
 
 
@@ -262,7 +262,7 @@ \subsection{超音波麥克風干擾器之干擾效果分析}\label{subsec:exp-j
 
     會談終端於會談進行間開啟超音波麥克風干擾器，因此鄰近的麥克風或周邊的聲音記錄裝置，
 都將因受到其干擾而失效，場域內的會談參與者無法自行有效記錄會談的聲音內容。
-此實驗音目的評估超音波麥克風干擾器產生的干擾噪與音會談聲，
+此實驗目的為評估超音波麥克風干擾器產生的干擾噪音與會談聲音，
 兩者在不同的信噪比下，超音波麥克風干擾器的干擾效果。
 
     實驗原理為，超音波麥克風干擾器會產生人耳聽不到的干擾聲音。
@@ -306,7 +306,7 @@ \subsection{超音波麥克風干擾器之干擾效果分析}\label{subsec:exp-j
 且聲音品質聽感平均意見分數隨著干擾器音量的遞增(SNR遞減)也逐漸降低。
 在信噪比達到約 $-22~dB$ 時，聲音品質聽感平均意見分數衰減趨勢增大。
 實驗結果對比四種不同信噪比的會談聲音紀錄的客觀聽感描述如下：
-隨著干擾器音量的遞增，在信噪比達到約 $-18~dB$ 之前，雖然明顯干擾噪音遞增，但仍免強識別會談對話內容。
+隨著干擾器音量的遞增，在信噪比達到約 $-18~dB$ 之前，雖然明顯干擾噪音遞增，但仍勉強識別會談對話內容。
 信噪比達到約 $-20~dB$ 時，干擾噪音幾乎蓋過會談對話聲音，仍依稀聽有對話聲音，但會談對話內容已無法清楚識別。
 當信噪比達到約 $-22~dB$ 時，僅聽得到干擾噪音，無法聽識別出任何其他對話聲音。
 
@@ -316,7 +316,7 @@ \subsection{主動式噪音消除效果分析}\label{subsec:exp-snr-anc}
     當會談主持者欲取得有效的談聲音記錄，除了需要向解封伺服器獲得授權之外，
 還需發送請求使解封伺服器執行聲音樣本離散時間推估演算法與主動式噪音消除來還原產生有效的會談聲音紀錄。
 此實驗為前篇實驗 \ref{subsec:exp-jammer} \nameref{subsec:exp-jammer} 的延續。
-實驗音目的為分析評估超音波麥克風干擾器產生的干擾噪與音會談聲兩者在不同的信噪比下，執行主動式噪音消除的效果。
+實驗音目的為分析評估超音波麥克風干擾器產生的干擾噪音與會談聲音兩者在不同的信噪比下，執行主動式噪音消除的效果。
 
     實驗原理為，超音波麥克風干擾器產生之純噪音聲音紀錄 \DEFrecN，
 與欲消去噪音的受干擾的會談聲音紀錄 \DEFrecJ 中的干擾噪音高度關聯。
@@ -330,7 +330,7 @@ \subsection{主動式噪音消除效果分析}\label{subsec:exp-snr-anc}
 但在產生受干擾的會談聲音紀錄時，在同一信噪比的音量設定下，額外產生純噪音聲音紀錄。
 接著透過將前篇實驗 \ref{subsec:exp-jammer} \nameref{subsec:exp-jammer} 所產生的受干擾的會談聲音紀錄，
 與純噪音聲音紀錄，輸入聲音樣本的離散時間誤差推估與自適應噪音消除，得到還原的會談聲音紀錄。
-接著將參考原始聲音(未干擾的會談聲音紀錄)與還原的會談聲音紀錄於不同信造比的組合，
+接著將參考原始聲音(未干擾的會談聲音紀錄)與還原的會談聲音紀錄於不同信噪比的組合，
 透過虛擬客觀語音品質估測者(ViSQOL)得出聲音品質聽感的平均意見分數 MOS-LQO。
 
     實驗結果如圖 \ref{fig:exp-snr-rev} \nameref{fig:exp-snr-rev}。$X$ 軸為聲音品質聽感的平均意見分數 MOS-LQO，
@@ -381,8 +381,8 @@ \subsection{聲音樣本離散時間推估演算法}\label{subsec:exp-estm}
 
     實驗結果如下。
 如圖 \ref{fig:exp-shift-1} 為兩聲音樣本包含純噪音聲音紀錄 \DEFrecN，
-與欲消去噪音的會談聲音紀錄 \DEFrecJ，在會談結束後尚未執行齊前，於離散時間上波形的前後誤差。
-圖為擷取取時間長度 1.2 秒，共長約52920 ($44100 \times 1.2 $) 個樣本。
+與欲消去噪音的會談聲音紀錄 \DEFrecJ，在會談結束後尚未執行對齊前，於離散時間上波形的前後誤差。
+圖為擷取時間長度 1.2 秒，共長約52920 ($44100 \times 1.2 $) 個樣本。
 可以觀察到兩相似波形，於離散時間上誤差約 1800 個樣本週期。
 
 \begin{figure}[H]
@@ -422,7 +422,7 @@ \subsection{聲音樣本離散時間推估演算法}\label{subsec:exp-estm}
 圖中可以觀察到每次目前最小總能量差更新時，平均數會在最小總能量差與理論整體平均之間震盪，
 樣本標準差則會在$0$與理想母體標準差之間震盪，如圖 \ref{fig:exp-shift-3}。
 
-    為找到有效找到最小總能量差，本研究透過七倍標準差(藍)，來判斷目前最小總能量差來判斷是否為全域最小總能量差。
+    為有效找到最小總能量差，本研究透過七倍標準差(藍)，來判斷目前最小總能量差來判斷是否為全域最小總能量差。
 其中最小累積能量差與七倍標準差於執行過程中數值變化如圖 \ref{fig:exp-shift-4}。
 
 \begin{figure}[H]
@@ -433,7 +433,7 @@ \subsection{聲音樣本離散時間推估演算法}\label{subsec:exp-estm}
 
     如圖 \ref{fig:exp-shift-4} 聲音樣本離散時間推估演算法執行過程中會持續更新目前最小總能量差，
 透過計算目前最小總能量差與總能量差的平均的距離(橘)，可以得知目前最小總能量位於多少標準差的區間。
-若新很長的時間都未更新最小總能量差時，此時平均數會逐漸趨近理論整體平均，樣本標準差也逐漸趨近母體標準差。
+若很長的時間都未更新最小總能量差時，此時平均數會逐漸趨近理論整體平均，樣本標準差也逐漸趨近母體標準差。
 當目前最小總能量差與平均距離超過七倍樣本標準差(藍與橘交叉)時，則認定目前最小總能量差為全域最小總能量差。
 而計算出目前最小總能量差時的動態相對平移量 \DEFcandiSFT，則為認定聲音樣本的離散時間誤差 \DEFshift。
 
@@ -447,7 +447,7 @@ \subsection{還原會談聲音記錄性能分析}\label{subsec:exp-perform}
 
     當會談主持者欲取得有效的談聲音記錄，除了需要向解封伺服器獲得授權之外，
 還需發送請求使解封伺服器執行聲音樣本離散時間推估演算法與主動式噪音消除來還原產生有效的會談聲音紀錄。
-此實驗目的為評估分析當還原會談聲音記錄時，封伺服器執行聲音樣本離散時間推估演算法與主動式噪音消除的時間複雜度性能為何。
+此實驗目的為評估分析當還原會談聲音記錄時，解封伺服器執行聲音樣本離散時間推估演算法與主動式噪音消除的時間複雜度性能為何。
 實驗原理為透過膨脹輸入的聲音記錄時間長度，來評估分析還原會談聲音記錄的時間複雜度性能。
 透過會談內容相似，但時間長度 \DEFtimeREC 不同的受干擾會談聲音記錄 \DEFrecJ，
 執行聲音樣本離散時間推估演算法 \DEFfuncEstm{} 與主動式噪音消除 \DEFfuncAnc{}，可以得到不同的執行時間。
@@ -571,7 +571,7 @@ \subsubsection{選擇明文攻擊}
 純噪音可用於降噪還原受干擾的會談聲音紀錄，但僅限該離散時間內，
 無法利用此離散時間內的純噪音獲取其他離散時間區間的明文。
 原因為此干擾噪音為流密碼，其產生是透過偽隨機數產生器與不可知的非線性響應輸出系統，
-在離散時間序列上有隨機性，因此無發透過片段流密碼得知其他流密碼進而獲取其他離散時間區間的明文，
+在離散時間序列上有隨機性，因此無法透過片段流密碼得知其他流密碼進而獲取其他離散時間區間的明文，
 因此可以有效抵禦選擇明文攻擊(Chosen-Plaintext Attack，CPA)。
 
 
@@ -665,7 +665,7 @@ \subsubsection{冒名頂替攻擊}
 如 \ref{subsec:protocol-sessioning} \nameref{subsec:protocol-sessioning}。
 協定中此階段為 Shamir's Secret Sharing \cite{shamir1979share}
 與 RSA PKCS\#1 \cite{rfc8017} 的應用。
-因次若將會談主持者妥善保管其私密金鑰 \DEFprivateKey，
+因此若將會談主持者妥善保管其私密金鑰 \DEFprivateKey，
 基於 RSA \cite{rfc8017} 所保證的安全性，
 冒名頂替攻擊(Impersonation attack) 無法形成威脅。
 
@@ -722,9 +722,9 @@ \section{相關系統比較}\label{sec:comparison}
 於研究 Patronus 提到，根據實驗可能存在更高維度的因子在此非線性響應輸出中。
 其變因包含，麥克風種類的不同(微電機、駐極體電容等)，放大器與類比數位轉換器的不同，
 因此轉換公式對於系統的描述也不同。
-於本研究中，干擾保密與解密還原的過程，將超音波於麥克風的非線性響應輸出系統，視為一不可之系統。
+於本研究中，干擾保密與解密還原的過程，將超音波於麥克風的非線性響應輸出系統，視為一不可知系統。
 透過直接記錄一段純超音波麥克風干擾器於麥克風的響應輸出(純噪音)之聲音記錄作為金鑰，
-忽略此不可之系統的轉換過程，將純噪音之聲音記錄最為解密還原的金鑰。
-此改變帶來的優點在於，因忽略不可之系統的變音，
+忽略此不可知系統的轉換過程，將純噪音之聲音記錄作為解密還原的金鑰。
+此改變帶來的優點在於，因忽略不可知系統的變因，
 因此對於不同種類的麥克風有著較高的相容性，且實作的複雜度也因此降低。
-缺點在於，金鑰類型從隨機的頻率模式序列，替還為一離散時間序列的聲音樣本，因此金鑰所需的儲存容量較大。
+缺點在於，金鑰類型從隨機的頻率模式序列，替換為一離散時間序列的聲音樣本，因此金鑰所需的儲存容量較大。

thesis/contents/chapter05.tex

@@ -36,12 +36,12 @@ \chapter{結論與未來展望}\label{chapter:conclusion}
 
     實驗方面，針對本研究所設計之系統與實作進行驗證。
 透過設計不同音量的干擾噪音，創造一不同會談聲音內容與干擾噪音的信噪比的環境，
-近一步評估干擾保密與解密還原在不同信噪比環境的效用。
+進一步評估干擾保密與解密還原在不同信噪比環境的效用。
 評估的方法為使虛擬客觀語音品質估測者(ViSQOL)，
 根據參考未干擾的會談聲音紀錄與被干擾的會談聲音紀錄，
 產生聲音品質聽感的平均意見分數 MOS-LQO，從一到五評分客觀語音品質與實際人耳聽感描述，進行評估。
 最後結合干擾保密與解密還原與會談聲音存取控制協定的兩者，進行效能評估，
-評估分析當還原會談聲音記錄時，封伺服器執行聲音樣本離散時間推估演算法與主動式噪音消除的時間複雜度性。
+評估分析當還原會談聲音記錄時，解封伺服器執行聲音樣本離散時間推估演算法與主動式噪音消除的時間複雜度性。
 
     安全性分析方面，本研究將干擾保密與解密還原機制，視為一串流加解密演算法進行安全性分析，
 討論於密碼學領域上的常見攻擊手法對於此機制是否產生威脅。