課程：《密碼與安全新技術(shù)專題》
班級： 1892班
姓名： 李煬
學(xué)號：20189215
上課教師：謝四江
上課日期：2019年4月9日
必修/選修： 選修

1.本次講座的學(xué)習(xí)總結(jié)

講座主題：信息隱藏

• 信息隱藏與加密：加密可以保護信息，防止第三方看到信息內(nèi)容；信息隱藏比加密更往前邁了一步，它根本不讓第三方看到傳輸了信息，利用一個數(shù)字媒體作為載體神不知鬼不覺地將信息發(fā)出去。
• 信息隱藏是指將特定用途的消息隱蔽地藏于其他載體中，使得它們難以被發(fā)現(xiàn)或者消除，通過可靠提取隱藏的信息，實現(xiàn)隱蔽通信、內(nèi)容認證或內(nèi)容保護功能。主要包括水印、可視密碼、隱寫等。
  • 魯棒水印(Robust Watermaking)是指將與數(shù)字媒體版權(quán)或者購買者有關(guān)的信息嵌入數(shù)字媒體中，使攻擊者難以在載體不遭到顯著破壞情況下消除水印，而授權(quán)者可以通過檢測水印實現(xiàn)對版權(quán)所有者或者內(nèi)容購買者等表示信息的認定。
  • 可視密碼(Visual Cryptography)的主要特點是恢復(fù)秘密圖像時不需要任何復(fù)雜的密碼學(xué)計算，而是以人的視覺即可將密碼圖像辨別出來。其做法是產(chǎn)生n張不具有任何意義的膠片，任取其中t張膠片疊合在一起即可還原出隱藏在其中的秘密信息。
  • 隱寫（Steganography）是基于信息隱藏的隱蔽通信或者隱蔽存儲方法，將秘密消息難以感知地隱藏在內(nèi)容可公開的載體中，保護保密通信或者保密存儲這些行為事實。稱隱寫后的載體為隱寫媒體Stego。
• 隱寫分析是隱寫的反向技術(shù)，主要用于檢測媒體文件是否含有隱藏的消息，可用于對隱寫媒體文件進行預(yù)警、阻斷。主要手段是發(fā)現(xiàn)和識別隱寫對各類特征的擾動，具體如下：
  • 有效提取隱寫分析特征，發(fā)現(xiàn)與提取對隱寫敏感的特征。
  • 有效構(gòu)造隱寫特征識別系統(tǒng)，構(gòu)造與訓(xùn)練能有效識別隱寫分析特征的系統(tǒng)。
  • 有效獲得先驗知識，先驗知識指分析者知道的有關(guān)隱寫者所采用的的算法和參數(shù)等信息，它能幫助分析者更好地提取隱寫分析特征并構(gòu)造特征識別系統(tǒng)。
• 隱寫包括文本、音頻、視頻、圖像等。
  • 文本
  • 輕微改變字符間距
  • 不可見字符
  • PDF、HTML、Office的格式信息
  • 音頻
  • MP3
  • AMR（手機錄音的音頻格式，微信語音保存也是此格式）
  • 視頻
  • 運動向量
  • 變換系數(shù)
  • 幀內(nèi)、間預(yù)測模式、量化參數(shù)、熵編碼
  • 圖像
  • 空域圖像
  • JPEG圖像
• 隱寫
  • LSB嵌入。The Least Sifnificant Bit，最低有效位嵌入算法。
  • 矩陣嵌入。以最小的嵌入修改樹木達到嵌入要傳遞消息的目的，可以提高嵌入效率，即利用較少的嵌入修改得到要嵌入同樣數(shù)量的秘密消息。
  • 自適應(yīng)隱寫。“嵌入失真函數(shù)+STCs編碼”(Syndrome-Trellis Codes)，根據(jù)構(gòu)造的嵌入失真函數(shù)計算載體圖像中元素發(fā)生更改所引起的失真，利用隱寫編碼控制秘密信息的嵌入位置，在最小化圖像總體嵌入失真的同時保證秘密信息的準(zhǔn)確提取。包括空域自適應(yīng)隱寫、JPEG域自適應(yīng)隱寫。
• 隱寫分析
  • 高維隱寫分析特征。可以盡可能多地捕獲隱寫對圖像統(tǒng)計特性的影響。
  • 空域高維隱寫分析特征。
  • 選擇信道高維隱寫分析特征。包括tSRM、maxSRM、σSRM、σspamPSRM、SCA-DCTR、SCA-PHARM、SCA-GFR等。
• 隱寫可以與卷積神經(jīng)網(wǎng)絡(luò)CNN相結(jié)合。

2.學(xué)習(xí)中遇到的問題及解決

• 問題1：何為圖像的空域。
• 問題1解決方案：空間域與頻率域為我們提供了不同的視角來觀察一個圖像文件。在空間域中，函數(shù)自變量（x,y）被視為二維空間中的一個點，數(shù)字圖像f(x,y)即為一個定義在二維空間中的矩形區(qū)域上的離散函數(shù)；換一個角度，如果將f(x,y)視為幅值變化的二維信號，則可以通過某些變換手段（如傅里葉變換、離散余弦變換、沃爾什變換和小波變換等）在頻域下對圖像進行處理了，因為在頻率域就是一些特性比較突出，容易處理。比如在空間圖像里不好找出噪聲的模式，如果變換到頻率域，則比較好找出噪聲的模式，并能更容易的處理。
  • 空間域　英文： spatial domain。 釋義： 又稱圖像空間(image space)。由圖像像元組成的空間。在圖像空間中以長度(距離)為自變量直接對像元值進行處理稱為空間域處理。
  • 頻率域。 英文： spatial frequency domain。 釋義： 以頻率(即波數(shù))為自變量描述圖像的特征,可以將一幅圖像像元值在空間上的變化分解為具有不同振幅、空間頻率和相位的簡振函數(shù)的線性疊加,圖像中各種頻率成分的組成和分布稱為空間頻譜。這種對圖像的頻率特征進行分解、處理和分析稱為頻率域處理或波數(shù)域處理。
  • 二者關(guān)系：空間域與頻率域可互相轉(zhuǎn)換。在頻率域中可以引用已經(jīng)很成熟的頻率域技術(shù),處理的一般步驟為：①對圖像施行二維離散傅立葉變換或小波變換,將圖像由圖像空間轉(zhuǎn)換到頻域空間。②在頻率域中對圖像的頻譜作分析處理,以改變圖像的頻率特征。即設(shè)計不同的數(shù)字濾波器,對圖像的頻譜進行濾波。
• 問題2：簡單隱寫術(shù)的學(xué)習(xí)。
• 問題2解決方案：算法隱寫的具體操作。
• F5算法隱寫
  具體操作：在kail下切換到F5-steganography，在java Extract運行
  命令：java Extract 123456.jpg圖片的絕對地址 -p 123456
• LSB算法隱寫
  具體操作：在Stegsolve.jar分析data Extract的red blue green
• guess算法隱寫
  具體操作：在kail下切換到outguess目錄下，直接用命令即可
  命令:outguess -r /root/angrybird.jpg(絕對路徑) 123.txt(信息存放的文本)
• 工具使用
  • MP3stego，命令如下：encode -E hidden_text.txt -P pass svega.wavsvega_stego.mp3
    Decode.exe -X -P pass(密碼) svega_stego.mp3(要拷貝到目錄下) //解碼

  • stedgetect,Stegdetect可以檢測到通過JSteg、JPHide、OutGuess、Invisible Secrets、F5、appendX和Camouflage等這些隱寫工具隱藏的信息.命令：stegdetect.exe -tjopi -s10.0 xxx.jpg

    • s – 修改檢測算法的敏感度，該值的默認值為1。檢測結(jié)果的匹配度與檢測算法的敏感度成正比，算法敏感度的值越大，檢測出的可疑文件包含敏感信息的可能性越大。
    • d – 打印帶行號的調(diào)試信息。
    • t – 設(shè)置要檢測哪些隱寫工具（默認檢測jopi），可設(shè)置的選項如下：
    • j – 檢測圖像中的信息是否是用jsteg嵌入的。
    • o – 檢測圖像中的信息是否是用outguess嵌入的。
    • p – 檢測圖像中的信息是否是用jphide嵌入的。
    • i – 檢測圖像中的信息是否是用invisible secrets嵌入的。

3.本次講座的學(xué)習(xí)感悟、思考等

本次講座我學(xué)習(xí)到了很多關(guān)于信息隱藏的知識，了解到信息隱藏與密碼學(xué)、加密的關(guān)系，信息隱藏也是保證信息安全傳輸?shù)闹匾绞健Ｒ郧皩τ趫D片隱寫的理解只停留在CTF的概念，沒想到信息隱藏技術(shù)的巨大潛力與實際應(yīng)用，講座令我受益匪淺。最后夏超老師給我們提了4點建議，分別是看好論文（最新的頂會、頂刊）、學(xué)好英語（寫作、聽說都用得著）、練好編程（工作、科研、github）和放好心態(tài)（運氣也是成功的一個因素）。經(jīng)歷了半年多的學(xué)習(xí)，了解到這4點建議的重要性，做科研這幾方面必不可少，感謝老師的教導(dǎo)，這四點建議銘記在心。

4.自適應(yīng)隱寫與CNN最新研究現(xiàn)狀

論文1：Steganalysis of Adaptive JPEG Steganography Based on ResDet

• 作者：Xiaosa Huang，Shilin Wang，Tanfeng Sun，Gongshen Liu，Xiang Lin
• 會議名稱：2018 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)
• 研究進展：提出了一種基于CNN的框架，即resdet，它對自適應(yīng)jpeg隱寫術(shù)造成的偽影敏感。為了避免各種圖像內(nèi)容的影響，對正在調(diào)查的jpeg圖像通過一系列過濾器進行預(yù)處理。然后將特征映射放入多個卷積層中。該網(wǎng)絡(luò)結(jié)合了快速連接和密集連接的特點，能夠更準(zhǔn)確地區(qū)分JPEG的隱寫偽影，具有更為緊湊的特點。利用J-Uniward在Boss基礎(chǔ)上的實驗結(jié)果表明，該框架具有84維特征，能顯著提高隱寫分析的效率，優(yōu)于目前研究的幾種最先進的方法。

論文2：Adaptive Bit Rotation and Inversion Scoring: A Novel Approach to LSB Image Steganography

• 作者：Ryan A. Subong，Arnel C. Fajardo，Yoon Joong Kim
• 會議名稱：2018 IEEE 10th International Conference on Humanoid, Nanotechnology, Information Technology,Communication and Control, Environment and Management (HNICEM)
• 研究進展：提出一種新的圖像隱寫方法，其產(chǎn)生的秘密嵌入圖像的有效載荷能力與其他空間域隱寫技術(shù)的后期變化相當(dāng)，但具有更好的不可察覺性。該方法的性質(zhì)類似于經(jīng)典LSB（最低有效位）替換隱寫技術(shù)，其中秘密消息的比特信息通過替換其像素的LSB值而嵌入到圖像中，除了該方法使嵌入比特經(jīng)歷了比特替換之前的一系列評估和評分比特旋轉(zhuǎn)和反轉(zhuǎn)操作，試圖將秘密比特嵌入具有最小像素失真的圖像中。然而，這篇論文并未針對所產(chǎn)生圖像對幾何和隱寫分析攻擊的抵抗力來探討其安全性。

論文3：Adaptive Steganography in the Noisy Channel with Dual-Syndrome Trellis Codes

• 作者：Christy Kin-Cleaves，Andrew D. Ker
• 會議名稱：2018 IEEE International Workshop on Information Forensics and Security (WIFS)
• 研究進展：這篇論文研究了STC在噪聲信道中的脆弱性，并考慮了如何在不能完全避免使用的情況下減輕這種脆弱性。這篇論文還提出了一個擴展名為雙綜合征格架碼，它將糾錯和嵌入到同一個維特比過程中，稍微優(yōu)于標(biāo)準(zhǔn)正向糾錯和傳統(tǒng)方法使用的STC的正向組合。

論文4：Image Steganalysis via Multi-Column Convolutional Neural Network

• 作者：Qi Ke，Liu Dong Ming，Zhang Daxing
• 會議名稱：2018 14th IEEE International Conference on Signal Processing (ICSP)
• 研究進展：這篇論文設(shè)計了一種簡單有效的基于圖像隱寫分析的多列卷積神經(jīng)網(wǎng)絡(luò)。提出的MCNN結(jié)構(gòu)允許輸入圖像具有任意大小或分辨率。特別是，通過使用具有不同大小的接收字段的過濾器，CNN每列所學(xué)習(xí)的特性都能適應(yīng)有效載荷的變化。通過對標(biāo)準(zhǔn)數(shù)據(jù)集的綜合實驗，論文證明了MCNN模型能夠很好地檢測出最新的隱寫算法，在相同的嵌入密鑰stego和覆蓋源不匹配情況下，它也優(yōu)于最近提出的幾個基于CNN的隱寫分析器。

論文5：A Multi-Task Learning CNN for Image Steganalysis

• 作者：Xiangyu Yu，Huabin Tan，Hui Liang，Chang-Tsun Li，Guangjun Liao
• 會議名稱：2018 IEEE International Workshop on Information Forensics and Security (WIFS)
• 研究進展：這篇論文解決了由于stego信號較弱，有用信息有限，很難學(xué)習(xí)一個基于CNN的分類器來區(qū)分是否有秘密信息嵌入到圖像中的問題。論文提出了一個多任務(wù)學(xué)習(xí)CNN。除了CNN的典型用途，學(xué)習(xí)基于CNN的整個圖像分類器外，這種多任務(wù)CNN還學(xué)習(xí)了像素二進制分類的輔助任務(wù)，估計圖像中的每個像素是否因隱寫術(shù)而被修改。這篇論文是第一個利用CNN對這種類型的像素級別進行分類的，實驗結(jié)果也證明了該方法的有效性和有效性。

論文總結(jié)

圖像自適應(yīng)隱寫的發(fā)展已經(jīng)與卷積神經(jīng)網(wǎng)絡(luò)CNN建立起了某種關(guān)系，基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的圖像隱寫分析在精度上有很大優(yōu)越性，因此是未來發(fā)展的一個重要方向。

參考資料

• 圖像的空域和頻域
• Steganalysis of Adaptive JPEG Steganography Based on ResDet
• Adaptive Bit Rotation and Inversion Scoring: A Novel Approach to LSB Image Steganography
• Adaptive Steganography in the Noisy Channel with Dual-Syndrome Trellis Codes
• Image Steganalysis via Multi-Column Convolutional Neural Network
• A Multi-Task Learning CNN for Image Steganalysis

轉(zhuǎn)載于:https://www.cnblogs.com/jsjliyang/p/10727741.html

總結(jié)

以上是生活随笔為你收集整理的20189215 2018-2019-2 《密码与安全新技术专题》第7周作业的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。