20189215 2018-2019-2 《密码与安全新技术专题》第7周做业

时间 2019-11-29

标签密码与安全新技术专题 7周栏目系统安全繁體版

原文原文链接

课程：《密码与安全新技术专题》
班级： 1892班
姓名：李炀
学号：20189215
上课教师：谢四江
上课日期：2019年4月9日
必修/选修：选修java

1.本次讲座的学习总结

讲座主题：信息隐藏

信息隐藏与加密：加密能够保护信息，防止第三方看到信息内容；信息隐藏比加密更往前迈了一步，它根本不让第三方看到传输了信息，利用一个数字媒体做为载体神不知鬼不觉地将信息发出去。
信息隐藏是指将特定用途的消息隐蔽地藏于其余载体中，使得它们难以被发现或者消除，经过可靠提取隐藏的信息，实现隐蔽通讯、内容认证或内容保护功能。主要包括水印、可视密码、隐写等。
- 鲁棒水印(Robust Watermaking)是指将与数字媒体版权或者购买者有关的信息嵌入数字媒体中，使攻击者难以在载体不遭到显著破坏状况下消除水印，而受权者能够经过检测水印实现对版权全部者或者内容购买者等表示信息的认定。
- 可视密码(Visual Cryptography)的主要特色是恢复秘密图像时不须要任何复杂的密码学计算，而是以人的视觉便可将密码图像辨别出来。其作法是产生n张不具备任何意义的胶片，任取其中t张胶片叠合在一块儿便可还原出隐藏在其中的秘密信息。
- 隐写（Steganography）是基于信息隐藏的隐蔽通讯或者隐蔽存储方法，将秘密消息难以感知地隐藏在内容可公开的载体中，保护保密通讯或者保密存储这些行为事实。称隐写后的载体为隐写媒体Stego。
隐写分析是隐写的反向技术，主要用于检测媒体文件是否含有隐藏的消息，可用于对隐写媒体文件进行预警、阻断。主要手段是发现和识别隐写对各种特征的扰动，具体以下：
- 有效提取隐写分析特征，发现与提取对隐写敏感的特征。
- 有效构造隐写特征识别系统，构造与训练能有效识别隐写分析特征的系统。
- 有效得到先验知识，先验知识指分析者知道的有关隐写者所采用的的算法和参数等信息，它能帮助分析者更好地提取隐写分析特征并构造特征识别系统。
隐写包括文本、音频、视频、图像等。
- 文本
  1. 轻微改变字符间距
  2. 不可见字符
  3. PDF、HTML、Office的格式信息
- 音频
  1. MP3
  2. AMR（手机录音的音频格式，微信语音保存也是此格式）
- 视频
  1. 运动向量
  2. 变换系数
  3. 帧内、间预测模式、量化参数、熵编码
- 图像
  1. 空域图像
  2. JPEG图像
隐写
- LSB嵌入。The Least Sifnificant Bit，最低有效位嵌入算法。
- 矩阵嵌入。以最小的嵌入修改树木达到嵌入要传递消息的目的，能够提升嵌入效率，即利用较少的嵌入修改获得要嵌入一样数量的秘密消息。
- 自适应隐写。“嵌入失真函数+STCs编码”(Syndrome-Trellis Codes)，根据构造的嵌入失真函数计算载体图像中元素发生更改所引发的失真，利用隐写编码控制秘密信息的嵌入位置，在最小化图像整体嵌入失真的同时保证秘密信息的准确提取。包括空域自适应隐写、JPEG域自适应隐写。
隐写分析
- 高维隐写分析特征。能够尽量多地捕获隐写对图像统计特性的影响。
- 空域高维隐写分析特征。
- 选择信道高维隐写分析特征。包括tSRM、maxSRM、σSRM、σspamPSRM、SCA-DCTR、SCA-PHARM、SCA-GFR等。
隐写能够与卷积神经网络CNN相结合。

2.学习中遇到的问题及解决

问题1：何为图像的空域。
问题1解决方案：空间域与频率域为咱们提供了不一样的视角来观察一个图像文件。在空间域中，函数自变量（x,y）被视为二维空间中的一个点，数字图像f(x,y)即为一个定义在二维空间中的矩形区域上的离散函数；换一个角度，若是将f(x,y)视为幅值变化的二维信号，则能够经过某些变换手段（如傅里叶变换、离散余弦变换、沃尔什变换和小波变换等）在频域下对图像进行处理了，由于在频率域就是一些特性比较突出，容易处理。好比在空间图像里很差找出噪声的模式，若是变换到频率域，则比较好找出噪声的模式，并能更容易的处理。
- 空间域　英文： spatial domain。释义：又称图像空间(image space)。由图像像元组成的空间。在图像空间中以长度(距离)为自变量直接对像元值进行处理称为空间域处理。
- 频率域。英文： spatial frequency domain。释义：以频率(即波数)为自变量描述图像的特征,能够将一幅图像像元值在空间上的变化分解为具备不一样振幅、空间频率和相位的简振函数的线性叠加,图像中各类频率成分的组成和分布称为空间频谱。这种对图像的频率特征进行分解、处理和分析称为频率域处理或波数域处理。
- 两者关系：空间域与频率域可互相转换。在频率域中能够引用已经很成熟的频率域技术,处理的通常步骤为：①对图像施行二维离散傅立叶变换或小波变换,将图像由图像空间转换到频域空间。②在频率域中对图像的频谱做分析处理,以改变图像的频率特征。即设计不一样的数字滤波器,对图像的频谱进行滤波。
问题2：简单隐写术的学习。
问题2解决方案：算法隐写的具体操做。
F5算法隐写
具体操做：在kail下切换到F5-steganography，在java Extract运行
命令：java Extract 123456.jpg图片的绝对地址 -p 123456
LSB算法隐写
具体操做：在Stegsolve.jar分析data Extract的red blue green
guess算法隐写
具体操做：在kail下切换到outguess目录下，直接用命令便可
命令:outguess -r /root/angrybird.jpg(绝对路径) 123.txt(信息存放的文本)
工具使用
- MP3stego，命令以下：encode -E hidden_text.txt -P pass svega.wavsvega_stego.mp3
  Decode.exe -X -P pass(密码) svega_stego.mp3(要拷贝到目录下) //解码
- stedgetect,Stegdetect能够检测到经过JSteg、JPHide、OutGuess、Invisible Secrets、F五、appendX和Camouflage等这些隐写工具隐藏的信息.命令：stegdetect.exe -tjopi -s10.0 xxx.jpggit
  - s – 修改检测算法的敏感度，该值的默认值为1。检测结果的匹配度与检测算法的敏感度成正比，算法敏感度的值越大，检测出的可疑文件包含敏感信息的可能性越大。
  - d – 打印带行号的调试信息。
  - t – 设置要检测哪些隐写工具（默认检测jopi），可设置的选项以下：
  - j – 检测图像中的信息是不是用jsteg嵌入的。
  - o – 检测图像中的信息是不是用outguess嵌入的。
  - p – 检测图像中的信息是不是用jphide嵌入的。
  - i – 检测图像中的信息是不是用invisible secrets嵌入的。

3.本次讲座的学习感悟、思考等

本次讲座我学习到了不少关于信息隐藏的知识，了解到信息隐藏与密码学、加密的关系，信息隐藏也是保证信息安全传输的重要方式。之前对于图片隐写的理解只停留在CTF的概念，没想到信息隐藏技术的巨大潜力与实际应用，讲座令我受益不浅。最后夏超老师给咱们提了4点建议，分别是看好论文（最新的顶会、顶刊）、学好英语（写做、据说都用得着）、练好编程（工做、科研、github）和放好心态（运气也是成功的一个因素）。经历了半年多的学习，了解到这4点建议的重要性，作科研这几方面必不可少，感谢老师的教导，这四点建议铭记在心。github

4.自适应隐写与CNN最新研究现状

论文1：Steganalysis of Adaptive JPEG Steganography Based on ResDet

做者：Xiaosa Huang，Shilin Wang，Tanfeng Sun，Gongshen Liu，Xiang Lin
会议名称：2018 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC)
研究进展：提出了一种基于CNN的框架，即resdet，它对自适应jpeg隐写术形成的伪影敏感。为了不各类图像内容的影响，对正在调查的jpeg图像经过一系列过滤器进行预处理。而后将特征映射放入多个卷积层中。该网络结合了快速链接和密集链接的特色，可以更准确地区分JPEG的隐写伪影，具备更为紧凑的特色。利用J-Uniward在Boss基础上的实验结果代表，该框架具备84维特征，能显著提升隐写分析的效率，优于目前研究的几种最早进的方法。

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

做者：Ryan A. Subong，Arnel C. Fajardo，Yoon Joong Kim
会议名称：2018 IEEE 10th International Conference on Humanoid, Nanotechnology, Information Technology,Communication and Control, Environment and Management (HNICEM)
研究进展：提出一种新的图像隐写方法，其产生的秘密嵌入图像的有效载荷能力与其余空间域隐写技术的后期变化至关，但具备更好的不可察觉性。该方法的性质相似于经典LSB（最低有效位）替换隐写技术，其中秘密消息的比特信息经过替换其像素的LSB值而嵌入到图像中，除了该方法使嵌入比特经历了比特替换以前的一系列评估和评分比特旋转和反转操做，试图将秘密比特嵌入具备最小像素失真的图像中。然而，这篇论文并未针对所产生图像对几何和隐写分析攻击的抵抗力来探讨其安全性。

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

做者：Christy Kin-Cleaves，Andrew D. Ker
会议名称：2018 IEEE International Workshop on Information Forensics and Security (WIFS)
研究进展：这篇论文研究了STC在噪声信道中的脆弱性，并考虑了如何在不能彻底避免使用的状况下减轻这种脆弱性。这篇论文还提出了一个扩展名为双综合征格架码，它将纠错和嵌入到同一个维特比过程当中，稍微优于标准正向纠错和传统方法使用的STC的正向组合。

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

做者：Qi Ke，Liu Dong Ming，Zhang Daxing
会议名称：2018 14th IEEE International Conference on Signal Processing (ICSP)
研究进展：这篇论文设计了一种简单有效的基于图像隐写分析的多列卷积神经网络。提出的MCNN结构容许输入图像具备任意大小或分辨率。特别是，经过使用具备不一样大小的接收字段的过滤器，CNN每列所学习的特性都能适应有效载荷的变化。经过对标准数据集的综合实验，论文证实了MCNN模型可以很好地检测出最新的隐写算法，在相同的嵌入密钥stego和覆盖源不匹配状况下，它也优于最近提出的几个基于CNN的隐写分析器。

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

做者：Xiangyu Yu，Huabin Tan，Hui Liang，Chang-Tsun Li，Guangjun Liao
会议名称：2018 IEEE International Workshop on Information Forensics and Security (WIFS)
研究进展：这篇论文解决了因为stego信号较弱，有用信息有限，很难学习一个基于CNN的分类器来区分是否有秘密信息嵌入到图像中的问题。论文提出了一个多任务学习CNN。除了CNN的典型用途，学习基于CNN的整个图像分类器外，这种多任务CNN还学习了像素二进制分类的辅助任务，估计图像中的每一个像素是否因隐写术而被修改。这篇论文是第一个利用CNN对这种类型的像素级别进行分类的，实验结果也证实了该方法的有效性和有效性。

论文总结

图像自适应隐写的发展已经与卷积神经网络CNN创建起了某种关系，基于卷积神经网络（CNN）的图像隐写分析在精度上有很大优越性，所以是将来发展的一个重要方向。算法