2018-2019-2 20189206 《密碼與安全新技術專題》 第四次做業

20189206 2018-2019-2 《密碼與安全新技術專題》第四次做業

課程:《密碼與安全新技術專題》git

班級: 1892算法

姓名: 王子榛編程

學號:20189206安全

上課教師:夏超網絡

上課日期:2019年4月9日app

1.本次講座的學習總結

密碼技術與信息隱藏技術

  • 密碼:主要解決了消息保密傳輸、數據來源認 證與完整性認證等信息安全問題。 密碼技術保障的是通訊過程當中的數據,可是,信息傳遞的過程是不保密的,密碼技術沒法解決如下兩方面的問題
    • 保密通訊的行爲隱蔽性問題
    • 內容保護與內容認證問題 這個問題是指,加密的數據在信道中的傳輸仍然面臨着被篡改的風險,那麼如何保證傳輸的內容不被篡改,被篡改的內容是否能夠被定位,這就是信息隱層所要解決的問題。
  • 信息隱藏

信息隱藏是把一個有意義的信息隱藏在另外一個稱爲公開載體(Cover) 的信息中獲得隱蔽載體 S(Stego Cover),非法者不知道這個普通訊息中是否隱藏了其餘的信息,並且即便知道也難以提取或去除隱藏的信息。所用的載體能夠是文本、圖像、聲音及視頻等。爲增長攻擊的難度,也能夠把加密與信息隱藏技術結合起來,即先對消息 M 加密獲得密文消息 M',再把 M'隱藏到載體 C 中。這樣攻擊者要想得到消息,就首先要檢測到消息的存在,並知道如何從隱蔽的載體 S 中提取 M'及如何對 M'解密以恢復消息 M。框架

  • 信息隱藏技術的研究現狀
    • 隱寫:將祕密信息隱藏到看上去普通的信息中傳送
    • 數字水印技術:將一些標識信息直接嵌入數字載體中,不影響原載體的使用價值
    • 可視密碼技術:在恢復祕密圖像時不須要任何複雜的密碼學計算,以人的視覺將祕密圖像辨識出來,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。

【注】載體文件相對於隱祕文件的大小越大,隱藏後者就更加容易。函數

隱寫與隱寫分析

隱寫技術是一把「雙刃劍」,既能夠保護重要機密信息傳輸不暴露不被篡改,同時,被恐怖組織或非法團體使用來傳遞信息能夠達到其傳送分裂國家主權、破壞社會穩定等非法活動。爲此隱寫分析技術的重要性不言而喻性能

  • 隱寫分析

隱寫分析對抗隱寫的主要手段是,發現與識別隱寫對各種特 徵的擾動。
隱寫分析是對隱寫術的攻擊,目的是爲了檢測祕密消息的存在以致破壞隱祕通訊,隱寫分析是解決非法使用隱寫術問題的關鍵技術。近幾年來因爲恐怖活動猖獗,而受到了較多的關注,得到了較大的發展,但尚未造成成熟的、系統化的理論體系。隱寫分析技術的提升有利於防止隱寫術的非法應用,能夠起到防止機密資料流失、揭示非法信息、打擊恐怖主義、預防災難發生的做用,從而保證國家的安全和社會的穩定。隱寫分析不只具備重要的應用價值,更具備重要的學術意義。隱寫分析研究能夠揭示當前隱寫術的缺陷,對隱寫術的安全性進行測試與評價,這是信息隱藏技術發展與完善的一條有效途徑。學習

  • 不一樣文件實現隱寫的方式
    • 文本
      • 輕微改變字符間距
      • 不可見字符
      • (Office, PDF, HTML)的格式信息
    • 音頻
      • MP3
      • amr
    • 視頻
      • 運動向量
      • 變換系數
      • 幀內\間預測模式、量化參數、熵編碼
    • 圖像
      • 空域圖像
      • JPEG圖像
  • JPEG圖像編碼格式

  1. 將原始圖像分爲8*8的小塊,每一個block有64pixels(像素)
  2. 將每一個8*8的block進行DTC變換
  3. 量化,就是用像素值除以量化表對應值所獲得的結果
  4. 編碼分類(分爲兩類:直流份量和交流係數)
  5. 編碼格式 採用Huffman編碼
  6. 熵編碼 JPEG基本系統規定採用Huffman編碼

隱寫

  • LSB嵌入
    • 最簡單且最廣泛的隱寫算法,採用最低有效位嵌入的算法(The Least Significant Bit, LSB)
    • 基本步驟

      1 將原始載體圖像的空域像素值由十進制轉換成二進制;

      2 用二進制祕密信息中的每一比特信息替換與之相對應的載體數據的最低有效位;

    3 將獲得的含祕密信息的二進制數據轉換爲十進制像素值,從而得到含祕密信息的圖像。

  • 矩陣嵌入
    • 以最小的嵌入修改數目達到嵌入要傳遞消息的目的,可提升嵌入效率,即利用較少的嵌入修改嵌入一樣數量的祕密消息。

如上圖所示,矩陣嵌入是在LSB嵌入的基礎上對嵌入修改數目的減小,

  • 自適應隱寫

自適應隱寫的特色在於不考慮載體的圖像內容,同時在圖片中屬於隨機嵌入消息。

實現方法:嵌入失真函數+STCs編碼

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,利用隱寫編碼控制密碼信息的嵌入位置,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。

  • 自適應隱寫的分類
    • 空域自適應隱寫
      • WOW (Wavelet Obtained Weights)
      • S-UNIWARD(Spatial UNIversal WAvelet Relative Distortion)
      • HILL (HIgh-pass, Low-pass, and Low-pass)
    • JPEG域自適應隱寫
      • UED(Uniform Embedding Distortion)
        • SC-UED(Single Coefficient UED)
        • JC-UED(Joint Coefficients UED)
      • J-UNIWARD(JPEG UNIversal WAvelet Relative Distortion)

隱寫分析

高維特徵

  • 高維隱寫分析特徵 高維隱寫分析特徵能夠儘量多地捕獲隱寫對圖像統計特徵的影響

  • 空域高維隱寫分析特徵
    • 34761維 SRM (殘差圖像+共生矩陣)
    • 12870維 PSRM (殘差投影+直方圖)
    • 8000維 DCTR
    • 12600維 PHARM
    • 17000維 GFR

隱寫選擇信道

選擇信道高維隱寫分析特徵,如下是其發展歷程:

  • tSRM 非全局提取特徵,從代價較小的像素上提取SRM特徵

  • maxSRM SRM在統計共生矩陣時,乘以該共生矩陣中對應像素的最大嵌入修改機率。
  • σSRM, σspamPSRM
    • 特徵是從殘差係數上提取的,嵌入修改機率是像素上的
    • 可是二者並不一一對應
    • 嵌入修改對殘差圖像係數的影響做爲累加值
  • SCA-DCTR, SCA-PHARM, SCA-GFR
    • DCT域的嵌入修改對濾波圖像的影響做爲累加值

人工智能在隱寫分析上的應用

  • Li Bin的「Auto-Encoder」
  • Qian系列:系統地提出了「GNCNN」
  • XuNet系列
  • NiJQ最新:YeNet,新結構
  • XuGuanShuo:Res on J-UNIWARD

2.學習中遇到的問題及解決

  • 問題1:什麼是空域圖像?
  • 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。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。

空域圖像:稱爲圖像空間,由圖像像元組成的空間,在圖像空間中以長度爲自變量直接對像元值進行處理稱爲空間域處理
頻率域:以頻率爲自變量描述圖像的特性,能夠將一幅圖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,圖像中各頻率成分的組成和分佈稱爲空間頻譜。

  • 問題2:什麼是灰度圖像?
  • 問題2解決方案:

灰度圖,Gray Scale Image 或是Grey Scale Image,又稱灰階圖。把白色與黑色之間按對數關係分爲若干等級,稱爲灰度。灰度分爲256階。

灰度圖像上每一個像素的顏色值又稱爲灰度,指黑白圖像中點的顏色深度,範圍通常從0到255,白色爲255,黑色爲0。所謂灰度值是指色彩的濃淡程度,灰度直方圖是指一幅數字圖像中,對應每個灰度值統計出具備該灰度值的象素數。

使用灰度圖的好處:

  1. 改善圖像的質量,使圖像可以顯示更多的細節,提升圖像的對比度(對比度拉伸)
  2. 有選擇的突出圖像感興趣的特徵或者抑制圖像中不須要的特徵
  3. 能夠有效的改變圖像的直方圖分佈,使像素的分佈更爲均勻
  • 問題3:什麼是JPEG圖像?
  • 問題2解決方案:

JPEG的全稱是JointPhotographicExpertsGroup(聯合圖像專家小組),它是一種經常使用的圖像存儲格式, jpg/jpeg是24位的圖像文件格式,也是一種高效率的壓縮格式。PEG的文件格式通常有兩種文件擴展名:.jpg和.jpeg,這兩種擴展名的實質是相同的,咱們能夠把.jpg的文件更名爲.jpeg,而對文件自己不會有任何影響。

以下圖所示是JPEG壓縮技術的編碼過程:

DCT變換的全稱是離散餘弦變換(Discrete Cosine Transform),主要用於將數據或圖像的壓縮,可以將空域的信號轉換到頻域上,具備良好的去相關性的性能。DCT變換自己是無損的,可是在圖像編碼等領域給接下來的量化、哈弗曼編碼等創造了很好的條件,同時,因爲DCT變換時對稱的,因此,咱們能夠在量化編碼後利用DCT反變換,在接收端恢復原始的圖像信息。

3.本次講座的學習感悟、思考等

經過夏超老師對於圖像隱寫和隱寫分析的介紹,咱們常常瞭解到的是加密,是對於傳輸信息的保護,可是有時候但願連傳輸信息的過程都是隱蔽地,那麼就須要用到圖像隱寫,同時,在截獲一些信息時也須要用到隱寫分析,我沒有了解過圖像處理,全部有些內容在課上聽得也是隻知其一;不知其二,可是能夠看出來夏超老師在這個領域的研究也是很是深刻的。

夏超老師在課上還與咱們分析了學術研究所須要掌握的技能,包括看最新頂會與頂刊的論文掌握最新的研究成果、英語學習在科研中的重要地位、練好編程水平,做爲科研的基礎技術,編程水平必不可少。最後就是放好心態,科學研究有時不只僅須要實力還須要必定的運氣,因此一個好的心態也十分重要。

4.最新研究現狀

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

  • 會議名稱:2018 IEEE International Workshop on Information Forensics and Security (WIFS)
  • 做者:Christy Kin-Cleaves Andrew D. Ker
  • 論文題目:Adaptive Steganography in the Noisy Channel with Dual-Syndrome Trellis Codes

自適應隱寫術旨在減小嵌入過程當中的失真,一般使用Syndrome Trellis Codes(STCs)。 然而,在非對抗性噪聲的狀況下,校訂碼在設計上是脆弱的,將信道差錯率放大到不可接受的高載荷偏差率。 在本文中,做者研究了STC在噪聲信道中的脆弱性,並考慮若是它們的使用沒法徹底避免如何減輕這種狀況。還提出了一種稱爲Dual-Syndrome Trellis Codes的擴展,它將糾錯和嵌入結合在一塊兒。 這個過程,略微優於標準前向糾錯和STC的直接組合。

壓縮JPEG中的係數LAB的誤碼率pe,隨着品質因數的變化,以及自適應隱寫術的相應偏差率。

在下圖中,對於較小的消息,文中提出的方法如何可以針對失真量生成更強大的隱祕對象。能夠將此衰減歸因於FEC的典型特徵:隨着代碼長度的增長,誤碼率接近於零。

Exploring Non-Additive Distortion in Steganography

  • 會議名稱:IH&MMSec’18, June 20–22, 2018, Innsbruck, Austria
  • 做者:Tomáš Pevný Andrew D. Ker
  • 論文題目:Exploring Non-Additive Distortion in Steganography

隱寫系統利用Syndrome-Trellis Code(STC)算法使編碼所需有效載荷時最小化失真函數,但這限制了失真函數的加性。Gibbs嵌入算法適用於某類非加性失真函數,但有其自身的侷限性且很是複雜。在這篇論文中,展現了能夠以簡單的方式修改STC算法,目的是最小化非最佳的非加性失真函數。首先,將它應用於S-UNIWARD失真函數,實驗代表它確實減小了失真,與最小化當前在圖像隱寫中使用的加性近似相比,可是,它使有效載荷更多,而不是更低、可檢測。這與嘗試將Gibbs嵌入用於相同任務的研究類似。其次,將其應用於由特定檢測器的輸出定義的失真,做爲隱寫術中的反向移動。然而,除非Warden被迫第一次移動(經過fxing探測器),不然這是高度可檢測的。

Adversarial Examples Against Deep Neural Network based Steganalysis

  • 會議名稱:IH&MMSec’18, June 20–22, 2018, Innsbruck, Austria
  • 做者:Yiwei Zhang Weiming Zhang Kejiang Chen 等
  • 論文題目:Adversarial Examples Against Deep Neural Network based Steganalysis

基於深度神經網絡的隱寫分析近年來發展迅速,對隱寫術的安全性提出了挑戰。然而,目前尚未可以有效抵抗神經網絡進行隱寫分析的隱寫方法。在本文中,提出了一種新策略,該策略使用對抗性示例技術構建針對神經網絡的加強覆蓋。加強的封面及其相應的stegos最有可能被網絡判斷爲封面。此外,文中使用基於深度神經網絡的隱寫分析和高維特徵分類器來評估隱寫術的性能,並提出一個新的綜合安全標準。還在兩個分析系統之間進行交互,提升了綜合安全性。使用WOW的隱寫算法和具備豐富模型和三個最早進神經網絡的流行隱寫器,從BOSSbase上的實驗中得到的證據驗證了所提出的方案的有效性。

在相對有效載荷爲0.4 bpp的WOW隱寫術下,經過單一網絡測試對抗性示例的偏差。

在相對有效載荷爲0.4 bpp的WOW隱寫術下,經過多個網絡和SRM + EC測試多個網絡的對抗性示例的偏差。

文中提出了一種迭代構造魯棒加強覆蓋圖像的方法,能夠抵抗神經網絡的隱寫分析,而且對抗噪聲的強度是可控的。 經過使用構建的圖像做爲封面得到的stegos能夠有效地避免檢測基於網絡的隱寫分析器。 此外,還考慮如何同時針對基於網絡的隱寫分析器和SRM + EC,並在兩個系統下肯定綜合安全標準PEB。

Digital Image Steganography Using Universal Distortion

  • 會議名稱: IH&MMSec (ACM Workshop on Information Hiding and Multimedia Security)
  • 做者:Vojtech Holub Jessica Fridrich
  • 論文題目:Digital Image Steganography Using Universal Distortion

目前,用於經驗覆蓋源的最安全的實用隱寫方案嵌入其有效載荷,同時最小化旨在捕獲統計可檢測性的失真函數。因爲存在具備已創建的有效載荷-失真界限以及近似最佳實際編碼方案的該嵌入範例的通常框架,所以構建嵌入方案已基本上簡化爲失真設計。這不是一項容易的任務,由於將失真與統計可檢測性相關聯是一個難以解決的問題。在本文中提出了一種創新的想法,即在一個固定域中測量嵌入失真,而不依賴於嵌入改變(和編碼)的域。所提出的通用失真是相加的,而且評估從使用Daubechies小波濾波器組得到的方向殘差改變圖像元素(例如,像素或DCT係數)的成本。直覺是將嵌入變化僅限制在難以在多個方向上建模的蓋子部分,同時避免平滑區域和清潔邊緣。經過在空間,JPEG和側面通知的JPEG域中構建隱寫方案,並使用使用富媒體模型訓練的分類器將它們的安全性與當前最早進的方法進行比較,來證實通用失真的效用。

檢測錯誤EOOB是S-UNIWARD,HUGO和LSBM的相對有效載荷的函數。 虛線曲線顯示了使用約束高度h = 12的STC實現UNIWARD的性能。

使用HUGO(右上),WOW(左下)和S-UNIWARD(右下)嵌入有效載荷0.4 bpp的機率,用於左上角顯示的128×128灰度封面圖像。

Moving Steganography and Steganalysis from the Laboratory into the Real World

  • 會議名稱: IH&MMSec (ACM Workshop on Information Hiding and Multimedia Security)
  • 做者:Andrew D. Ker Patrick Bas Rainer Böhme Rémi Cogranne Scott Craver Tomáš Filler
  • 論文題目:Moving Steganography and Steganalysis from the Laboratory into the Real World

在過去二十年中,關於隱寫術和隱寫分析的學術文獻大量涌現。 除了少數例外,這些論文解決了隱藏和檢測問題的抽象問題,這些問題可能與現實世界脫節。 大多數公佈的結果,包括本文做者的結果,都適用於「實驗室條件」,有些則經過假設和警告嚴格對衝; 爲了在實踐中實施良好的隱寫術和隱寫分析,仍然沒有解決重大挑戰。 這份立場文件列出了一些還沒有獲得解答的重要問題,並強調了一些已成功解決的問題,用於現實世界中使用的隱寫術和隱寫分析。

在過去十年中,隱寫術和隱寫分析問題的臨時解決方案已演變爲更精細的技術。進展速度存在差別:灰度圖像已經得到了大部分關注,應該將其轉移到彩色圖像,視頻,其餘數字媒體和非媒體封面,例如網絡流量。這種轉移會帶來隱寫和
對於隱寫術,咱們已經強調了失真最小化範式,這種範式只有在編碼方面的最新發展才變得切實可行。沒有充分的理由不使用這樣的技術:編碼效率很高,若是擔憂電流失真函數可能使檢測變得矛盾,可使用這種反饋來從新設計失真函數,並繼續循環發展。咱們指望編碼的進一步發展以擴大這些技術的適用性。對於隱寫分析,二元分類案例已經很成熟,可是須要開發適用於未知算法,多個對象和多個參與者的技術。甚至咱們強調的理論框架,即KL分歧做爲安全的基本衡量標準,還有待適應這些領域。

總結

從近幾年的論文來看,隱寫分析技術迅速發展,已經可以結合深度神經網絡進行隱寫分析而且能夠對抗噪聲影響,在使用深度神經網絡的隱寫分析是近幾年研究的一個熱門方向;同時在自適應隱寫分析經常採用的STC方法也存在必定的缺陷,研究如何彌補這些缺陷並提出新的方法也是近幾年研究的熱點問題。

參考資料

相關文章
相關標籤/搜索