2018-2019-2 20189206 《密码与安全新技术专题》 第四次作业
20189206 2018-2019-2 《密码与安全新技术专题》第四次作业
课程：《密码与安全新技术专题》
班级： 1892
姓名： 王子榛
学号：20189206
上课教师：夏超
上课日期：2019年4月9日
1.本次讲座的学习总结
密码技术与信息隐藏技术
-
密码：主要解决了消息保密传输、数据来源认 证与完整性认证等信息安全问题。 密码技术保障的是通信过程中的数据，但是，信息传递的过程是不保密的，密码技术无法解决以下两方面的问题
- 保密通信的行为隐蔽性问题
- 内容保护与内容认证问题 这个问题是指，加密的数据在信道中的传输仍然面临着被篡改的风险，那么如何保证传输的内容不被篡改，被篡改的内容是否可以被定位，这就是信息隐层所要解决的问题。
-
信息隐藏
信息隐藏是把一个有意义的信息隐藏在另一个称为公开载体(Cover) 的信息中得到隐蔽载体 S(Stego Cover)，非法者不知道这个普通信息中是否隐藏了其他的信息，而且即使知道也难以提取或去除隐藏的信息。所用的载体可以是文本、图像、声音及视频等。为增加攻击的难度，也可以把加密与信息隐藏技术结合起来，即先对消息 M 加密得到密文消息 M'，再把 M'隐藏到载体 C 中。这样攻击者要想获得消息，就首先要检测到消息的存在，并知道如何从隐蔽的载体 S 中提取 M'及如何对 M'解密以恢复消息 M。
- 信息隐藏技术的研究现状
- 隐写：将秘密信息隐藏到看上去普通的信息中传送
- 数字水印技术：将一些标识信息直接嵌入数字载体中，不影响原载体的使用价值
- 可视密码技术：在恢复秘密图像时不需要任何复杂的密码学计算，以人的视觉将秘密图像辨识出来，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。
【注】载体文件相对于隐秘文件的大小越大，隐藏后者就更加容易。
隐写与隐写分析
隐写技术是一把“双刃剑”，既可以保护重要机密信息传输不暴露不被篡改，同时，被恐怖组织或非法团体使用来传递信息可以达到其传送分裂国家主权、破坏社会稳定等非法活动。为此隐写分析技术的重要性不言而喻
- 隐写分析
隐写分析对抗隐写的主要手段是，发现与识别隐写对各类特 征的扰动。
隐写分析是对隐写术的攻击，目的是为了检测秘密消息的存在以至破坏隐秘通信，隐写分析是解决非法使用隐写术问题的关键技术。近几年来由于恐怖活动猖獗，而受到了较多的关注，获得了较大的发展，但还没有形成成熟的、系统化的理论体系。隐写分析技术的提高有利于防止隐写术的非法应用，可以起到防止机密资料流失、揭示非法信息、打击恐怖主义、预防灾难发生的作用，从而保证国家的安全和社会的稳定。隐写分析不仅具有重要的应用价值，更具有重要的学术意义。隐写分析研究可以揭示当前隐写术的缺陷，对隐写术的安全性进行测试与评价，这是信息隐藏技术发展与完善的一条有效途径。
-
不同文件实现隐写的方式
- 文本
- 轻微改变字符间距
- 不可见字符
- （Office, PDF, HTML）的格式信息
- 音频
- MP3
- amr
- 视频
- 运动向量
- 变换系数
- 帧内\间预测模式、量化参数、熵编码
- 图像
- 空域图像
- JPEG图像
- 文本
-
JPEG图像编码格式
- 将原始图像分为8*8的小块，每个block有64pixels(像素)
- 将每个8*8的block进行DTC变换
- 量化，就是用像素值除以量化表对应值所得到的结果
- 编码分类（分为两类：直流分量和交流系数）
- 编码格式 采用Huffman编码
- 熵编码 JPEG基本系统规定采用Huffman编码
隐写
-
LSB嵌入
- 最简单且最普遍的隐写算法，采用最低有效位嵌入的算法(The Least Significant Bit, LSB)
- 基本步骤
1 将原始载体图像的空域像素值由十进制转换成二进制；
2 用二进制秘密信息中的每一比特信息替换与之相对应的载体数据的最低有效位；
3 将得到的含秘密信息的二进制数据转换为十进制像素值，从而获得含秘密信息的图像。
- 矩阵嵌入
- 以最小的嵌入修改数目达到嵌入要传递消息的目的，可提高嵌入效率，即利用较少的嵌入修改嵌入同样数量的秘密消息。
如上图所示，矩阵嵌入是在LSB嵌入的基础上对嵌入修改数目的减少，
- 自适应隐写
自适应隐写的特点在于不考虑载体的图像内容，同时在图片中属于随机嵌入消息。
实现方法：嵌入失真函数+STCs编码
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，利用隐写编码控制密码信息的嵌入位置，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。
- 自适应隐写的分类
- 空域自适应隐写
- WOW (Wavelet Obtained Weights)
- S-UNIWARD（Spatial UNIversal WAvelet Relative Distortion）
- HILL （HIgh-pass, Low-pass, and Low-pass）
- JPEG域自适应隐写
- UED（Uniform Embedding Distortion）
- SC-UED（Single Coefficient UED）
- JC-UED（Joint Coefficients UED）
- J-UNIWARD（JPEG UNIversal WAvelet Relative Distortion）
- UED（Uniform Embedding Distortion）
- 空域自适应隐写
隐写分析
高维特征
- 高维隐写分析特征 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征的影响
-
空域高维隐写分析特征
- 34761维 SRM （残差图像+共生矩阵）
- 12870维 PSRM （残差投影+直方图）
- 8000维 DCTR
- 12600维 PHARM
- 17000维 GFR
隐写选择信道
选择信道高维隐写分析特征，以下是其发展历程：
- tSRM 非全局提取特征，从代价较小的像素上提取SRM特征
- maxSRM SRM在统计共生矩阵时，乘以该共生矩阵中对应像素的最大嵌入修改概率。
- σSRM, σspamPSRM
- 特征是从残差系数上提取的，嵌入修改概率是像素上的
- 但是两者并不一一对应
- 嵌入修改对残差图像系数的影响作为累加值
- SCA-DCTR, SCA-PHARM, SCA-GFR
- DCT域的嵌入修改对滤波图像的影响作为累加值
人工智能在隐写分析上的应用
- Li Bin的“Auto-Encoder”
- Qian系列：系统地提出了“GNCNN”
- XuNet系列
- NiJQ最新：YeNet，新结构
- XuGuanShuo：Res on J-UNIWARD
2.学习中遇到的问题及解决
- 问题1：什么是空域图像？
- 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。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。
空域图像：称为图像空间，由图像像元组成的空间，在图像空间中以长度为自变量直接对像元值进行处理称为空间域处理
频率域：以频率为自变量描述图像的特性，可以将一幅图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，图像中各频率成分的组成和分布称为空间频谱。
- 问题2：什么是灰度图像？
- 问题2解决方案：
灰度图，Gray Scale Image 或是Grey Scale Image，又称灰阶图。把白色与黑色之间按对数关系分为若干等级，称为灰度。灰度分为256阶。
灰度图像上每个像素的颜色值又称为灰度，指黑白图像中点的颜色深度，范围一般从0到255，白色为255，黑色为0。所谓灰度值是指色彩的浓淡程度，灰度直方图是指一幅数字图像中，对应每一个灰度值统计出具有该灰度值的象素数。
使用灰度图的好处：
- 改善图像的质量，使图像能够显示更多的细节，提高图像的对比度（对比度拉伸）
- 有选择的突出图像感兴趣的特征或者抑制图像中不需要的特征
- 可以有效的改变图像的直方图分布，使像素的分布更为均匀
- 问题3：什么是JPEG图像？
- 问题2解决方案：
JPEG的全称是JointPhotographicExpertsGroup（联合图像专家小组），它是一种常用的图像存储格式， jpg/jpeg是24位的图像文件格式，也是一种高效率的压缩格式。PEG的文件格式一般有两种文件扩展名：.jpg和.jpeg，这两种扩展名的实质是相同的，我们可以把.jpg的文件改名为.jpeg，而对文件本身不会有任何影响。
如下图所示是JPEG压缩技术的编码过程：
DCT变换的全称是离散余弦变换(Discrete Cosine Transform)，主要用于将数据或图像的压缩，能够将空域的信号转换到频域上，具有良好的去相关性的性能。DCT变换本身是无损的，但是在图像编码等领域给接下来的量化、哈弗曼编码等创造了很好的条件，同时，由于DCT变换时对称的，所以，我们可以在量化编码后利用DCT反变换，在接收端恢复原始的图像信息。
3.本次讲座的学习感悟、思考等
通过夏超老师对于图像隐写和隐写分析的介绍，我们经常了解到的是加密，是对于传输信息的保护，但是有时候希望连传输信息的过程都是隐蔽地，那么就需要用到图像隐写，同时，在截获一些信息时也需要用到隐写分析，我没有了解过图像处理，所有有些内容在课上听得也是一知半解，但是可以看出来夏超老师在这个领域的研究也是非常深入的。
夏超老师在课上还与我们分析了学术研究所需要掌握的技能，包括看最新顶会与顶刊的论文掌握最新的研究成果、英语学习在科研中的重要地位、练好编程水平，作为科研的基础技术，编程水平必不可少。最后就是放好心态，科学研究有时不仅仅需要实力还需要一定的运气，所以一个好的心态也十分重要。
4.最新研究现状
Adaptive Steganography in the Noisy Channel with Dual-Syndrome Trellis Codes
- 会议名称：2018 IEEE International Workshop on Information Forensics and Security (WIFS)
- 作者：Christy Kin-Cleaves Andrew D. Ker
- 论文题目：Adaptive Steganography in the Noisy Channel with Dual-Syndrome Trellis Codes
自适应隐写术旨在减少嵌入过程中的失真，通常使用Syndrome Trellis Codes（STCs）。 然而，在非对抗性噪声的情况下，校正码在设计上是脆弱的，将信道差错率放大到不可接受的高载荷误差率。 在本文中，作者研究了STC在噪声信道中的脆弱性，并考虑如果它们的使用无法完全避免如何减轻这种情况。还提出了一种称为Dual-Syndrome Trellis Codes的扩展，它将纠错和嵌入结合在一起。 这个过程，略微优于标准前向纠错和STC的直接组合。
压缩JPEG中的系数LAB的误码率pe，随着品质因数的变化，以及自适应隐写术的相应误差率。
在下图中，对于较小的消息，文中提出的方法如何能够针对失真量生成更强大的隐秘对象。可以将此衰减归因于FEC的典型特征：随着代码长度的增加，误码率接近于零。
Exploring Non-Additive Distortion in Steganography
- 会议名称：IH&MMSec’18, June 20–22, 2018, Innsbruck, Austria
- 作者：Tomáš Pevný Andrew D. Ker
- 论文题目：Exploring Non-Additive Distortion in Steganography
隐写系统利用Syndrome-Trellis Code（STC）算法使编码所需有效载荷时最小化失真函数，但这限制了失真函数的加性。Gibbs嵌入算法适用于某类非加性失真函数，但有其自身的局限性且非常复杂。在这篇论文中，展示了可以以简单的方式修改STC算法，目的是最小化非最佳的非加性失真函数。首先，将它应用于S-UNIWARD失真函数，实验表明它确实减少了失真，与最小化当前在图像隐写中使用的加性近似相比，但是，它使有效载荷更多，而不是更低、可检测。这与尝试将Gibbs嵌入用于相同任务的研究相似。其次，将其应用于由特定检测器的输出定义的失真，作为隐写术中的反向移动。然而，除非Warden被迫第一次移动（通过fxing探测器），否则这是高度可检测的。
Adversarial Examples Against Deep Neural Network based Steganalysis
- 会议名称：IH&MMSec’18, June 20–22, 2018, Innsbruck, Austria
- 作者：Yiwei Zhang Weiming Zhang Kejiang Chen 等
- 论文题目：Adversarial Examples Against Deep Neural Network based Steganalysis
基于深度神经网络的隐写分析近年来发展迅速，对隐写术的安全性提出了挑战。然而，目前还没有能够有效抵抗神经网络进行隐写分析的隐写方法。在本文中，提出了一种新策略，该策略使用对抗性示例技术构建针对神经网络的增强覆盖。增强的封面及其相应的stegos最有可能被网络判断为封面。此外，文中使用基于深度神经网络的隐写分析和高维特征分类器来评估隐写术的性能，并提出一个新的综合安全标准。还在两个分析系统之间进行交互，提高了综合安全性。使用WOW的隐写算法和具有丰富模型和三个最先进神经网络的流行隐写器，从BOSSbase上的实验中获得的证据验证了所提出的方案的有效性。
在相对有效载荷为0.4 bpp的WOW隐写术下，通过单一网络测试对抗性示例的误差。
在相对有效载荷为0.4 bpp的WOW隐写术下，通过多个网络和SRM + EC测试多个网络的对抗性示例的误差。
文中提出了一种迭代构造鲁棒增强覆盖图像的方法，可以抵抗神经网络的隐写分析，并且对抗噪声的强度是可控的。 通过使用构建的图像作为封面获得的stegos可以有效地避免检测基于网络的隐写分析器。 此外，还考虑如何同时针对基于网络的隐写分析器和SRM + EC，并在两个系统下确定综合安全标准PEB。
Digital Image Steganography Using Universal Distortion
- 会议名称： IH&MMSec (ACM Workshop on Information Hiding and Multimedia Security)
- 作者：Vojtech Holub Jessica Fridrich
- 论文题目：Digital Image Steganography Using Universal Distortion
目前，用于经验覆盖源的最安全的实用隐写方案嵌入其有效载荷，同时最小化旨在捕获统计可检测性的失真函数。由于存在具有已建立的有效载荷-失真界限以及近似最佳实际编码方案的该嵌入范例的一般框架，因此构建嵌入方案已基本上简化为失真设计。这不是一项容易的任务，因为将失真与统计可检测性相关联是一个难以解决的问题。在本文中提出了一种创新的想法，即在一个固定域中测量嵌入失真，而不依赖于嵌入改变（和编码）的域。所提出的通用失真是相加的，并且评估从使用Daubechies小波滤波器组获得的方向残差改变图像元素（例如，像素或DCT系数）的成本。直觉是将嵌入变化仅限制在难以在多个方向上建模的盖子部分，同时避免平滑区域和清洁边缘。通过在空间，JPEG和侧面通知的JPEG域中构建隐写方案，并使用使用富媒体模型训练的分类器将它们的安全性与当前最先进的方法进行比较，来证明通用失真的效用。
检测错误EOOB是S-UNIWARD，HUGO和LSBM的相对有效载荷的函数。 虚线曲线显示了使用约束高度h = 12的STC实现UNIWARD的性能。
使用HUGO（右上），WOW（左下）和S-UNIWARD（右下）嵌入有效载荷0.4 bpp的概率，用于左上角显示的128×128灰度封面图像。
Moving Steganography and Steganalysis from the Laboratory into the Real World
- 会议名称： IH&MMSec (ACM Workshop on Information Hiding and Multimedia Security)
- 作者：Andrew D. Ker Patrick Bas Rainer Böhme Rémi Cogranne Scott Craver Tomáš Filler
- 论文题目：Moving Steganography and Steganalysis from the Laboratory into the Real World
在过去二十年中，关于隐写术和隐写分析的学术文献大量涌现。 除了少数例外，这些论文解决了隐藏和检测问题的抽象问题，这些问题可能与现实世界脱节。 大多数公布的结果，包括本文作者的结果，都适用于“实验室条件”，有些则通过假设和警告严格对冲; 为了在实践中实施良好的隐写术和隐写分析，仍然没有解决重大挑战。 这份立场文件列出了一些尚未得到解答的重要问题，并强调了一些已成功解决的问题，用于现实世界中使用的隐写术和隐写分析。
在过去十年中，隐写术和隐写分析问题的临时解决方案已演变为更精细的技术。进展速度存在差异：灰度图像已经获得了大部分关注，应该将其转移到彩色图像，视频，其他数字媒体和非媒体封面，例如网络流量。这种转移会带来隐写和
对于隐写术，我们已经强调了失真最小化范式，这种范式只有在编码方面的最新发展才变得切实可行。没有充分的理由不使用这样的技术：编码效率很高，如果担心电流失真函数可能使检测变得矛盾，可以使用这种反馈来重新设计失真函数，并继续循环发展。我们期望编码的进一步发展以扩大这些技术的适用性。对于隐写分析，二元分类案例已经很成熟，但是需要开发适用于未知算法，多个对象和多个参与者的技术。甚至我们强调的理论框架，即KL分歧作为安全的基本衡量标准，还有待适应这些领域。
总结
从近几年的论文来看，隐写分析技术迅速发展，已经能够结合深度神经网络进行隐写分析并且可以对抗噪声影响，在使用深度神经网络的隐写分析是近几年研究的一个热门方向；同时在自适应隐写分析常常采用的STC方法也存在一定的缺陷，研究如何弥补这些缺陷并提出新的方法也是近几年研究的热点问题。
