LSB隐写原理解析

背景知识：8位二进制表示颜色

RGB 中的每个通道（红、绿、蓝）都是一个 0~255 的整数（即 8位）：

255 = 11111111
128 = 10000000
17 = 00010001

最低位（最右边一位）叫做 LSB（Least Significant Bit），改动它对人眼几乎不可见。

一、LSB隐写的本质

图像中每个像素的颜色由RGB三个通道组成，每个通道是一个 0~255（8位） 的整数：

数字	二进制（8位）
218	11011010
150	10010110
149	10010101

每个颜色的最后一位（最低有效位，即 LSB）可以轻微改变，而不会被人眼察觉。比如：

• 11011010（LSB是0） 改成 11011011（LSB是1）
• 10010110（LSB是0） 改成 10010111（LSB是1）

我们就可以用这些最低位来“编码”我们要隐藏的秘密数据的二进制位。

Step 1：LSB 隐写编码脚本（encode_lsb.py）

from PIL import Image
import numpy as np

# 加载原图
image = Image.open('pic/test.png')
print(image)
print(image.size)

data = np.array(image)
print(data)
print(data.shape)
flat_data = data.ravel()  # 拉平成一维数组
print(flat_data)
original_data = flat_data.copy()
#
# print(original_data)
# # 要嵌入的消息
message = "hello" #替换为你的webshell
binary_str = ''.join([format(ord(c), '08b') for c in message])  # 转二进制串
#
# print(binary_str)
print("[原始信息]", message)
print("[二进制表示]", binary_str)
#
# # 进行 LSB 修改
for i in range(len(binary_str)):
    flat_data[i] = (flat_data[i] & 0xFE) | int(binary_str[i])  # 保留高7位 + 替换 LSB

# # 打印len(binary_str)位像素变化
print("\n[像素变化演示] 答应替换的那些个通道值：前后值对比:")
for i in range(len(binary_str)):
    old = format(original_data[i], '08b')
    new = format(flat_data[i], '08b')
    print(f"第{i+1}个像素通道: 原={old} 新={new}")

# # 保存新图
# new_data = flat_data.reshape(data.shape)
# new_image = Image.fromarray(new_data.astype(np.uint8))
# new_image.save('pic/encoded.png')
# print("\n隐写图像已保存为: pic/encoded.png")

操作拆解

flat_data[i] = (flat_data[i] & 0xFE) | int(binary_str[i])
我们拆成两部分看：

第一步：flat_data[i] & 0xFE (0xFE 是 11111110的十六进制)

这个操作是：把原来的最低位清零（不变其他7位）

flat_data[i] = 137 # => 二进制: 10001001
执行：
flat_data[i] & 0xFE

= 10001001 & 11111110
= 10001000 # 清掉最低位

第二步：| int(binary_str[i])

这一步是：

把新的 LSB（二进制字符串中一个 0 或 1）写进去
假设 binary_str[i] = "1"：
10001000 | 00000001 = 10001001
所以最终写入了新 LSB。

最终效果：

把原来的 flat_data[i]（一个像素通道值）变成：
保留高 7 位 + 替换最低位为 binary_str[i]

Step 2：LSB 解码脚本（decode_lsb.py）

from PIL import Image
import numpy as np

# 读取隐写图
image = Image.open('pic/encoded.png')
data = np.array(image).ravel()

# 读取前 5 个字符（5x8=40 位）
bits = ''
for i in range(40):
    bits += str(data[i] & 1)  # 取最低位

# 每8位还原为字符
message = ''
for i in range(0, len(bits), 8):
    byte = bits[i:i+8]
    message += chr(int(byte, 2))

print("\n[解码结果]:", message)

dct隐写 待续......

PNG 的结构大致是这样的：

89 50 4E 47 0D 0A 1A 0A      ← PNG 头部（8 字节）
[chunk1]                    ← IHDR
[chunk2]                    ← IDAT
[chunk3]                    ← IEND

每个 chunk（数据块）结构如下：

| 长度 (4B) | 类型 (4B) | 数据 (N字节) | CRC (4B) |

▶ CRC 在哪？

PNG 的每个 chunk（如 IHDR, IDAT）后面都带一个 CRC-32
作用是验证：chunk_type + chunk_data 的完整性
改动 PNG 的内容（即使是一个比特），CRC 就不合法

所以你如果：

• 对 PNG 做 LSB 隐写（修改像素的最低位）
• 再保存为 PNG 格式
• 如果用 Pillow、OpenCV 会自动重写 PNG → 自动计算 CRC

所以一般不会造成 CRC 错误（你看不到它错），但：

如果你只在二进制层修改 .png 文件（不解码重写）：
不更新 CRC → 显示失败 / 打不开
文件校验失败

LSB 隐写 ➝ 攻击媒介的可能性

1. 实时摄像头采集帧图

• 摄像头每秒采集若干张图像，缓存在内存中
• 若在此阶段做 帧图的 LSB 隐写，可以藏入二进制 payload

2. 嵌入内容（payload）类型：

类型	可实现目标
shellcode	被载入后可执行任意代码（需配合漏洞）
EXE 字节流	结合诱导用户“导出/运行”
JS/宏代码	针对浏览器播放器 / 办公组件攻击
文本指令	被分析工具提取并执行（例如 FFmpeg 插件、AI 模型）

如何实现这种攻击？

这类攻击 不会靠播放器“自动执行”，而是依赖后续触发链条。

一种典型路径

摄像头 ➝ 每帧 PNG LSB 隐写 ➝ 合成为 MP4 ➝ 用户下载查看 ➝
AI/图像模型或插件提取帧 ➝ 解析 LSB ➝ 自动读取指令 ➝ 触发恶意行为

实例：真实案例类型（或可行性）

攻击方式	说明
隐写 ZIP / EXE 到帧中	LSB 中藏完整 zip/exe，通过提取帧+解码还原
AI 模型训练数据污染攻击	摄像头采集图像嵌入 adversarial token，影响模型行为
伪装为正常视频诱导手动操作	比如用户提取帧、运行脚本不知情地执行 payload
播放器直接执行 MP4 内 LSB 数据	不可行。MP4 播放器不读取 LSB，无自动执行能力

常用隐写技术中的执行触发方式：

技术	自动触发?	备注
PNG LSB		需脚本提取、运行
MP4 元数据	可能	可写入 shell/script，但需利用播放器漏洞
FFmpeg 编码字段	可能	如某些字幕流 / metadata 被脚本解析