20189215 2018-2019-2 《密碼與安全新技術專題》第7周做業

時間 2019-11-29

標籤密碼與安全新技術專題 7周欄目系統安全简体版

原文原文鏈接

課程：《密碼與安全新技術專題》
班級： 1892班
姓名：李煬
學號：20189215
上課教師：謝四江
上課日期：2019年4月9日
必修/選修：選修java

1.本次講座的學習總結

講座主題：信息隱藏

信息隱藏與加密：加密能夠保護信息，防止第三方看到信息內容；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，利用一個數字媒體做爲載體神不知鬼不覺地將信息發出去。
信息隱藏是指將特定用途的消息隱蔽地藏於其餘載體中，使得它們難以被發現或者消除，經過可靠提取隱藏的信息，實現隱蔽通訊、內容認證或內容保護功能。主要包括水印、可視密碼、隱寫等。
- 魯棒水印(Robust Watermaking)是指將與數字媒體版權或者購買者有關的信息嵌入數字媒體中，使攻擊者難以在載體不遭到顯著破壞狀況下消除水印，而受權者能夠經過檢測水印實現對版權全部者或者內容購買者等表示信息的認定。
- 可視密碼(Visual Cryptography)的主要特色是恢復祕密圖像時不須要任何複雜的密碼學計算，而是以人的視覺便可將密碼圖像辨別出來。其作法是產生n張不具備任何意義的膠片，任取其中t張膠片疊合在一塊兒便可還原出隱藏在其中的祕密信息。
- 隱寫（Steganography）是基於信息隱藏的隱蔽通訊或者隱蔽存儲方法，將祕密消息難以感知地隱藏在內容可公開的載體中，保護保密通訊或者保密存儲這些行爲事實。稱隱寫後的載體爲隱寫媒體Stego。
隱寫分析是隱寫的反向技術，主要用於檢測媒體文件是否含有隱藏的消息，可用於對隱寫媒體文件進行預警、阻斷。主要手段是發現和識別隱寫對各種特徵的擾動，具體以下：
- 有效提取隱寫分析特徵，發現與提取對隱寫敏感的特徵。
- 有效構造隱寫特徵識別系統，構造與訓練能有效識別隱寫分析特徵的系統。
- 有效得到先驗知識，先驗知識指分析者知道的有關隱寫者所採用的的算法和參數等信息，它能幫助分析者更好地提取隱寫分析特徵並構造特徵識別系統。
隱寫包括文本、音頻、視頻、圖像等。
- 文本
  1. 輕微改變字符間距
  2. 不可見字符
  3. PDF、HTML、Office的格式信息
- 音頻
  1. MP3
  2. AMR（手機錄音的音頻格式，微信語音保存也是此格式）
- 視頻
  1. 運動向量
  2. 變換系數
  3. 幀內、間預測模式、量化參數、熵編碼
- 圖像
  1. 空域圖像
  2. 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，能夠提升嵌入效率，即利用較少的嵌入修改獲得要嵌入一樣數量的祕密消息。
- 自適應隱寫。「嵌入失真函數+STCs編碼」(Syndrome-Trellis Codes)，根據構造的嵌入失真函數計算載體圖像中元素髮生更改所引發的失真，利用隱寫編碼控制祕密信息的嵌入位置，在最小化圖像整體嵌入失真的同時保證祕密信息的準確提取。包括空域自適應隱寫、JPEG域自適應隱寫。
隱寫分析
- 高維隱寫分析特徵。能夠儘量多地捕獲隱寫對圖像統計特性的影響。
- 空域高維隱寫分析特徵。
- 選擇信道高維隱寫分析特徵。包括tSRM、maxSRM、σSRM、σspamPSRM、SCA-DCTR、SCA-PHARM、SCA-GFR等。
隱寫能夠與卷積神經網絡CNN相結合。

2.學習中遇到的問題及解決

問題1：何爲圖像的空域。
問題1解決方案：空間域與頻率域爲咱們提供了不一樣的視角來觀察一個圖像文件。在空間域中，函數自變量（x,y）被視爲二維空間中的一個點，數字圖像f(x,y)即爲一個定義在二維空間中的矩形區域上的離散函數；換一個角度，若是將f(x,y)視爲幅值變化的二維信號，則能夠經過某些變換手段（如傅里葉變換、離散餘弦變換、沃爾什變換和小波變換等）在頻域下對圖像進行處理了，由於在頻率域就是一些特性比較突出，容易處理。好比在空間圖像裏很差找出噪聲的模式，若是變換到頻率域，則比較好找出噪聲的模式，並能更容易的處理。
- 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)爲自變量直接對像元值進行處理稱爲空間域處理。
- 頻率域。英文： spatial frequency domain。釋義：以頻率(即波數)爲自變量描述圖像的特徵,能夠將一幅圖像像元值在空間上的變化分解爲具備不一樣振幅、空間頻率和相位的簡振函數的線性疊加,圖像中各類頻率成分的組成和分佈稱爲空間頻譜。這種對圖像的頻率特徵進行分解、處理和分析稱爲頻率域處理或波數域處理。
- 兩者關係：空間域與頻率域可互相轉換。在頻率域中能夠引用已經很成熟的頻率域技術,處理的通常步驟爲：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換到頻域空間。②在頻率域中對圖像的頻譜做分析處理,以改變圖像的頻率特徵。即設計不一樣的數字濾波器,對圖像的頻譜進行濾波。
問題2：簡單隱寫術的學習。
問題2解決方案：算法隱寫的具體操做。
F5算法隱寫
具體操做：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
具體操做：在Stegsolve.jar分析data Extract的red blue green
guess算法隱寫
具體操做：在kail下切換到outguess目錄下，直接用命令便可
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，命令以下：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能夠檢測到經過JSteg、JPHide、OutGuess、Invisible Secrets、F五、appendX和Camouflage等這些隱寫工具隱藏的信息.命令：stegdetect.exe -tjopi -s10.0 xxx.jpggit
  - s – 修改檢測算法的敏感度，該值的默認值爲1。檢測結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 – 打印帶行號的調試信息。
  - t – 設置要檢測哪些隱寫工具（默認檢測jopi），可設置的選項以下：
  - j – 檢測圖像中的信息是不是用jsteg嵌入的。
  - o – 檢測圖像中的信息是不是用outguess嵌入的。
  - p – 檢測圖像中的信息是不是用jphide嵌入的。
  - i – 檢測圖像中的信息是不是用invisible secrets嵌入的。

3.本次講座的學習感悟、思考等

本次講座我學習到了不少關於信息隱藏的知識，瞭解到信息隱藏與密碼學、加密的關係，信息隱藏也是保證信息安全傳輸的重要方式。之前對於圖片隱寫的理解只停留在CTF的概念，沒想到信息隱藏技術的巨大潛力與實際應用，講座令我受益不淺。最後夏超老師給咱們提了4點建議，分別是看好論文（最新的頂會、頂刊）、學好英語（寫做、據說都用得着）、練好編程（工做、科研、github）和放好心態（運氣也是成功的一個因素）。經歷了半年多的學習，瞭解到這4點建議的重要性，作科研這幾方面必不可少，感謝老師的教導，這四點建議銘記在心。github

4.自適應隱寫與CNN最新研究現狀

論文1：Steganalysis of Adaptive JPEG Steganography Based on ResDet

做者：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：提出了一種基於CNN的框架，即resdet，它對自適應jpeg隱寫術形成的僞影敏感。爲了不各類圖像內容的影響，對正在調查的jpeg圖像經過一系列過濾器進行預處理。而後將特徵映射放入多個卷積層中。該網絡結合了快速鏈接和密集鏈接的特色，可以更準確地區分JPEG的隱寫僞影，具備更爲緊湊的特色。利用J-Uniward在Boss基礎上的實驗結果代表，該框架具備84維特徵，能顯著提升隱寫分析的效率，優於目前研究的幾種最早進的方法。

論文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
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，其產生的祕密嵌入圖像的有效載荷能力與其餘空間域隱寫技術的後期變化至關，但具備更好的不可察覺性。該方法的性質相似於經典LSB（最低有效位）替換隱寫技術，其中祕密消息的比特信息經過替換其像素的LSB值而嵌入到圖像中，除了該方法使嵌入比特經歷了比特替換以前的一系列評估和評分比特旋轉和反轉操做，試圖將祕密比特嵌入具備最小像素失真的圖像中。然而，這篇論文並未針對所產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

做者：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，並考慮瞭如何在不能徹底避免使用的狀況下減輕這種脆弱性。這篇論文還提出了一個擴展名爲雙綜合徵格架碼，它將糾錯和嵌入到同一個維特比過程當中，稍微優於標準正向糾錯和傳統方法使用的STC的正向組合。

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

做者：Qi Ke，Liu Dong Ming，Zhang Daxing
會議名稱：2018 14th IEEE International Conference on Signal Processing (ICSP)
研究進展：這篇論文設計了一種簡單有效的基於圖像隱寫分析的多列卷積神經網絡。提出的MCNN結構容許輸入圖像具備任意大小或分辨率。特別是，經過使用具備不一樣大小的接收字段的過濾器，CNN每列所學習的特性都能適應有效載荷的變化。經過對標準數據集的綜合實驗，論文證實了MCNN模型可以很好地檢測出最新的隱寫算法，在相同的嵌入密鑰stego和覆蓋源不匹配狀況下，它也優於最近提出的幾個基於CNN的隱寫分析器。

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

做者：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：這篇論文解決了因爲stego信號較弱，有用信息有限，很難學習一個基於CNN的分類器來區分是否有祕密信息嵌入到圖像中的問題。論文提出了一個多任務學習CNN。除了CNN的典型用途，學習基於CNN的整個圖像分類器外，這種多任務CNN還學習了像素二進制分類的輔助任務，估計圖像中的每一個像素是否因隱寫術而被修改。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，實驗結果也證實了該方法的有效性和有效性。