随着数字语音编辑处理软件的不断发展,对于数字语音的编辑和处理也越来越便捷。这也造成了一些不法分子可能通过这些语音编辑处理软件对语音片段进行伪装,从而影响司法取证的相关工作。语音变调、滤波器和加噪处理是比较常见,也是比较容易对语音进行修改的几种语音处理。同时,几种处理如果相结合,会对司法取证工作造成更大的影响。因此,本文从语音变调、低通滤波器、高通滤波器、加噪处理和MP3压缩的机理以及几种处理结合的处理链展开研究,并提出了相应的数字语音处理历史取证算法。具体的研究分为以下三个方面:(1)对四种常见数字语音处理操作的原理进行了研究与剖析,并构建了数字语音处理历史取证样本库。(2)结合语谱图和箱线图,对经过四种处理语音的时频特性进行了分析,证明不同处理会对语音产生较为明显的影响。基于上述发现,研究并提出了适用于多种处理痕迹鉴别的数字语音取证算法。该算法采用梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCC)统计矩特征以及SVM组合投票分类器对四种不同处理进行检测。实验结果表明,该方法能够有效鉴别原始语音与经过四种不同处理的语音。(3)针对MFCC统计矩特征以及SVM组合投票分类器的方法存在的算法复杂度较高的问题,本文设计了一种包含6个特殊卷积层的卷积神经网络。采用残差滤波器对输入语音进行了预处理。通过对比不同结构的卷积神经网络分类效果,确定了一种能够有效检测包含四种不同处理的数字语音处理链的卷积神经网络。同时,实验证明该网络框架对MP3压缩+变调处理组合的处理链的检测率也能达到97.57%,整体检测率可保持在90%以上。