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

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

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:加密可以保护信息,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,利用一个数字媒体作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他载体中,使得它们难以被发现或者消除,通过可靠提取隐藏的信息,实现隐蔽通信、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情况下消除水印,而授权者可以通过检测水印实现对版权所有者或者内容购买者等表示信息的认定。
    • 可视密码(Visual Cryptography)的主要特点是恢复秘密图像时不需要任何复杂的密码学计算,而是以人的视觉即可将密码图像辨别出来。其做法是产生n张不具有任何意义的胶片,任取其中t张胶片叠合在一起即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信或者隐蔽存储方法,将秘密消息难以感知地隐藏在内容可公开的载体中,保护保密通信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类特征的扰动,具体如下:
    • 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。
    • 有效获得先验知识,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,可以提高嵌入效率,即利用较少的嵌入修改得到要嵌入同样数量的秘密消息。
    • 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起的失真,利用隐写编码控制秘密信息的嵌入位置,在最小化图像总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。可以尽可能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。
  • 隐写可以与卷积神经网络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:空间域与频率域为我们提供了不同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,如果将f(x,y)视为幅值变化的二维信号,则可以通过某些变换手段(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,因为在频率域就是一些特性比较突出,容易处理。比如在空间图像里不好找出噪声的模式,如果变换到频率域,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,可以将一幅图像像元值在空间上的变化分解为具有不同振幅、空间频率和相位的简振函数的线性叠加,图像中各种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。
    • 二者关系:空间域与频率域可互相转换。在频率域中可以引用已经很成熟的频率域技术,处理的一般步骤为: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作分析处理,以改变图像的频率特征。即设计不同的数字滤波器,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:算法隐写的具体操作。
  • F5算法隐写
    具体操作: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
    具体操作:在Stegsolve.jar分析data Extract的red blue green
  • guess算法隐写
    具体操作:在kail下切换到outguess目录下,直接用命令即可
    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,命令如下: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可以检测到通过JSteg、JPHide、OutGuess、Invisible Secrets、F5、appendX和Camouflage等这些隐写工具隐藏的信息.命令:stegdetect.exe -tjopi -s10.0 xxx.jpg

      • 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),可设置的选项如下:
      • j – 检测图像中的信息是否是用jsteg嵌入的。
      • o – 检测图像中的信息是否是用outguess嵌入的。
      • p – 检测图像中的信息是否是用jphide嵌入的。
      • i – 检测图像中的信息是否是用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很多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。以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,讲座令我受益匪浅。最后夏超老师给我们提了4点建议,分别是看好论文(最新的顶会、顶刊)、学好英语(写作、听说都用得着)、练好编程(工作、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,做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。

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

  • 作者: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隐写术造成的伪影敏感。为了避免各种图像内容的影响,对正在调查的jpeg图像通过一系列过滤器进行预处理。然后将特征映射放入多个卷积层中。该网络结合了快速连接和密集连接的特点,能够更准确地区分JPEG的隐写伪影,具有更为紧凑的特点。利用J-Uniward在Boss基础上的实验结果表明,该框架具有84维特征,能显著提高隐写分析的效率,优于目前研究的几种最先进的方法。

论文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
  • 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他空间域隐写技术的后期变化相当,但具有更好的不可察觉性。该方法的性质类似于经典LSB(最低有效位)替换隐写技术,其中秘密消息的比特信息通过替换其像素的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之前的一系列评估和评分比特旋转和反转操作,试图将秘密比特嵌入具有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

  • 作者: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完全避免使用的情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

  • 作者: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结构允许输入图像具有任意大小或分辨率。特别是,通过使用具有不同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。通过对标准数据集的综合实验,论文证明了MCNN模型能够很好地检测出最新的隐写算法,在相同的嵌入密钥stego和覆盖源不匹配情况下,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

  • 作者: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:这篇论文解决了由于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,实验结果也证明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建立起了某种关系,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,因此是未来发展的一个重要方向。

参考资料

  • 图像的空域和频域
  • 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

转载于:https://www.cnblogs.com/jsjliyang/p/10727741.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/277898.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

BZOJ1565[NOI2009]植物大战僵尸——最大权闭合子图+拓扑排序

题目描述 Plants vs. Zombies(PVZ)是最近十分风靡的一款小游戏。Plants(植物)和Zombies(僵尸)是游戏的主角,其中Plants防守,而Zombies进攻。该款游戏包含多种不同的挑战系列&#xf…

推送ActivityFeed到Teams

几个月前,Teams 团队又推出了新的 Graph API,让 app 可以给用户发送 Activity Feed。我们来看看如何做。 首先,我们的app需要使用较新的 manifest 1.7版本,当然如果使用最新的1.8版本就更好了。在manifest json中添加 webApplica…

RecycleView弹性滑动

还有点bug,建议使用 LinearSnapHelper rvPilotList.addOnScrollListener(new RecyclerView.OnScrollListener() {Overridepublic void onScrolled(NonNull RecyclerView recyclerView, int dx, int dy) {super.onScrolled(recyclerView, dx, dy);// …

关于深度学习,这些知识点你需要了解一下

深度学习概述 o 受限玻尔兹曼机和深度信念网络 o Dropout o 处理不平衡的技巧 o SMOTE:合成少数过采样技术 o 神经网络中对成本敏感的学习 深度学习概述 在2006年之前,训练深度监督前馈神经网络总是失败的,其主要原因都是导致…

发送不同类型的ActivityFeed

上一篇文章讲到了如何使用最新的Graph API来给一个用户发送一个简单的 Activity Feed。我们这篇文章来详细讲一下发送三种不同类型的消息。 发送 Chat 相关的 Activity Notification API 为 POST https://graph.microsoft.com/beta/chats/{chat-id}/sendActivityNotification…

git add * 提示warning: LF will be replaced by CRLF in 解决办法

在使用git的时候,每次执行 $ git add * 都会提示这样一个警告消息: 虽然说没有什么影响吧。 不过就是觉得太碍眼了, 按照这样设置就没有问题了: git config core.autocrlf false 这样设置git的配置后在执行add操作就没有问题了。 奋斗的年纪你…

git 放弃本地修改,强制拉取更新

开发时,对于本地的项目中修改不做保存操作(或代码改崩),可以用到Git pull的强制覆盖,具体代码如下: git fetch --all git reset --hard origin/master git pull //可以省略 git fetch 指令是下载远程仓库最…

发送ActivityFeed的隐藏功能

前两篇文章介绍了如何发送 activity notification,这篇文章主要介绍两个隐藏功能,实际上所谓的隐藏功能是指大家在阅读官方文档是会忽略的两个点,但是实际上也是很实用的两个功能点。 text 类型的 topic 之前文章中提到我们的 activity not…

Dispatch Queue 之 Invoke 当前队列

 转载于:https://www.cnblogs.com/huahuahu/p/dispatch-queue-zhi-invoke-dang-qian-dui-lie.html

js或jQuery获取当前屏幕的各种高度

Javascript: 网页可见区域宽: document.body.clientWidth 网页可见区域高: document.body.clientHeight 网页可见区域宽: document.body.offsetWidth (包括边线的宽) 网页可见区域高: document.body.offsetHeight (包括边线的高) …

Teams数据统计 - 用户在线离线状态

前几天我在wechat的moments里看到以为朋友发了腾迅会议的对用户个人的年度数据统计,看上去很有大数据感。 实际上 Teams 也具备的类似的能力,只是它把这个能力开放给了开发人员,我们可以通过强大的 Graph API,获取大量的数据信息&…

我们是如何通过全球第一免费开源ERP Odoo做到项目100%交付

传统友商ERP的交付过程 一、先初步需求调研,后选型功能模块 传统友商ERP第一件事情先对客户方进行初步的调研,客户方无论说什么,友商听过算过,只关心你人数多少,有哪些人涉及到哪些模块,接着对模块进行所谓…

HDU 4747 Mex

4747 思路: 线段树 先求出mex(1,1), mex(1, 2) , mex(1,3),...,mex(1,n)(单调上升),先将这些mex放进线段树里求和 然后再求出next[i]表示下一次出现a[i] 的位置 然后从前…

Teams数据统计 - 通话记录

上篇文章介绍了如何获取用户的在线状态,这篇文章我们记录介绍如何统计用户通话记录。 首先,Teams为了安全,它要求 app 要有 CallRecords.Read.All 权限。然后就可以通过这个api来获取 call record。 GET /communications/callRecords/{id}这…

linux下mysql的数据库简单备份脚本

应用于整个库的备份。 #!/bin/bash PATH$PATH:/usr/local/mysql/bin:/usr/local/mysql/sbin # 数据库名称 databases(myname) # 备份目录 basepath/home/databak/ cd $basepath if [ ! -d "$basepath" ]; thenmkdir -p "$basepath" fi#遍历数据库名称 for …

解决JS浮点数(小数)计算加减乘除的BUG

2019独角兽企业重金招聘Python工程师标准>>> //浮点数减法运算function FloatSub(arg1,arg2){var r1,r2,m,n;try{r1arg1.toString().split(".")[1].length}catch(e){r10}try{r2arg2.toString().split(".")[1].length}catch(e){r20}mMath.pow(10…

Teams数据统计 - 聊天消息

前两篇文章介绍了如何对用户的在线状态和通话记录进行数据统计。这篇文章我们来看看如何统计用户的聊天消息。 在介绍具体 api 如何调用前,我们可以先看一下 Teams 里对于 Message 的层级结构,在 Teams 里,message有两种,一种是 …

vis.js

1、官网&#xff1a;http://visjs.org/docs/network/ 2、示例&#xff1a; <!doctype html>  <html>     <head>     <title>vis.js</title>     <script type"text/javascript" src"vis.js"></scri…

暑期实习面试——艾锝科技,Python实习生

远程笔试过&#xff0c;拒绝现场面转载于:https://www.cnblogs.com/qinziang/p/9123339.html

Teams App 如何使用设备的能力

我们以前讲到过&#xff0c;Teams有很多中可以扩展的方面&#xff0c;其中有一种是Tab&#xff0c;开发者可以开发一个web page/app&#xff0c;然后以tab的方式嵌入到teams里面。 除了基本的功能&#xff0c;这种tab也可以使用teams客户端设备所带的一些能力&#xff0c;比如…