随着具备多种编辑功能的音频软件的广泛流行,非专业人员为了私人目的也可以随意便捷的对音频文件进行各种编辑甚至是恶意篡改,这给检测音频的真实性带来了巨大的挑战。其中,同源复制粘贴篡改和异源拼接篡改是改变音频原始含义最重要的两种篡改方式。同源复制粘贴篡改操作是将原始音频中的某部分信息复制并粘贴到该音频的其他部分,因此原始片段与篡改片段之间高度的相似性致使检测十分困难。异源拼接篡改操作是将两段不同设备录制来源不同的音频进行拼接,由于篡改点信息量少且不易察觉,同样也导致检测难度的大大上升。为此,本文针对音频片段复制和拼接篡改检测与定位开展研究,主要工作如下:（1）介绍了数字音频篡改相关理论和知识,包括篡改检测过程中重要的语音端点检测技术、提取音频特征所使用的CQT变换（Constant Q Transform,CQT）,可视化音频信息的语谱图,生成篡改检测模型的神经网络以及衡量方法性能的评价指标。（2）提出了一种基于多特征融合的音频同源复制粘贴篡改检测与定位方法。首先将音频利用基于谱熵法的语音端点检测技术划分为若干有声段和静音段,接着基于能熵比法进一步对有声段分割得到音频字节;然后分别对每个字节提取基音频率特征、颜色自相关图特征和短时能量特征,并利用动态时间规整距离衡量任意两个字节之间的基音频率相似度,利用余弦距离衡量任意两个字节之间颜色自相关图相似度,利用短时能量和差值衡量任意两个字节短时能量的相似度,最后基于多特征决策融合以准确定位篡改位置。实验结果表明,本方法的精准率和召回率均达到了97%以上,均优于对比方法。此外,定位的精准度平均提升了约45%。而在常规信号处理攻击后,本方法仍可以达到94%以上的准确率和召回率。（3）提出了一种基于常数Q光谱草图（Constant Q Spectral Sketches,CQSS）、滑动窗口和卷积神经网络的异源音频拼接篡改检测与定位方法。该方法将长音频利用滑动窗口分割得到一组相同长度含重叠部分的音频片段,然后从这些音频片段中提取出CQSS特征并输入到卷积神经网络。该网络在传统神经网络的基础上引入扩张卷积和批量归一化并用全局平均池化层替代全连接层。实验结果表明,所提方法在准确率、精确率、召回率和F1分数上均优于对比方法,均达到了95%以上。此外,本方法在定位出篡改区域的同时避免了误检的发生。而在常规信号处理攻击后,本方法仍能够达到94%以上的准确率、精确率、召回率和F1分数。