網絡信息安全(共38張PPT)

網絡信息安全網絡信息安全(共38張PPT)全文共38頁，當前為第1頁。與信息隱寫技術相關的密碼技術可以加密信息數據，保證其傳輸的安全，但只是隱藏了信息本身而不能隱藏信息存在的事實。信息隱藏是利用人類的感覺系統(視覺系統和聽覺系統)對數字信號敏感性的不勻稱性或不完善性以及數字信號本身存在冗余性的特點，將信息(隱信息)隱藏在另一個數字信號載體(顯信息)中。由于在隱藏處理后外部表現的只是顯信息的外部特征，因此并不會改變顯信息的基本特征和使用價值。信息隱藏的最大優(yōu)點是：除了通信雙方以外的任何第三方都感覺不到隱信息存在這個事實。一般隱藏的是加密過的信息，所以這就較之單純的加密方法更多了一層保護。信息隱寫技術通過正常載體來傳遞秘密信息，以達到隱匿的目的，從而使它在傳遞過程中不會被感知。

網絡信息安全(共38張PPT)全文共38頁，當前為第2頁。如果載體引起了懷疑，那么隱藏的目的就失敗了。與信息隱藏關系極為密切的另一個方面就是數字水印技術。信息隱藏是將數據隱藏到宿主數據中并將其發(fā)送出去。它有一個基本的假設，就是第三方不知道被隱藏的數據的存在。因此一般它沒有魯棒性的要求，甚至要求滿足易脆性?；蛘哒f一旦傳遞的數據被改變，被嵌入的信息將無法恢復。而數字水印一般有魯棒性的要求，即它可以抵抗第三方的攻擊或正常的、標準的數據操作和變換。換句話說，即使攻擊者知道傳遞的數據中包含隱藏的重要信息，但也無法將其提取出來，或在不嚴重損壞宿主數據的情況下無法將水印破壞掉。水印技術與信息隱藏另一個不同點是水印對于嵌入的信息是否可見是可選的，而隱匿性是信息隱藏的最根本的目的。因此數字水印和信息隱藏是一種技術互補的兩個方面。水印技術的主要目的是提供數字媒體的版權保護技術；而這里的信息隱藏的主要目的是隱匿通信。

網絡信息安全(共38張PPT)全文共38頁，當前為第3頁。

2．隱寫分析技術隱信息是在隱寫過程中有意在顯信息中隱藏的信息。隱信息一般不被用來表現任何的顯信息外部特征。隱寫分析技術是檢測和判別載體中是否隱藏秘密信息的一種技術。隱寫分析技術包括可疑隱信息載體的自動發(fā)現、隱信息檢測判別、隱信息攻擊、隱信息追蹤定位和取證處理技術。隱信息檢測是信息隱藏中最核心的技術之一，是對計算機主機和網絡資源上的隱信息和隱通道進行發(fā)現、檢測識別和響應處理的過程。隱信息檢測不僅能發(fā)現識別存在于數字信號中的隱信息，而且能對檢測出的隱信息進行各種攻擊和采取相應合理的響應。隱信息檢測系統(HIDS，HiddenInformationDetectionSystem)作為一種基于內容的網絡安全防護技術，為網絡信息應用安全提供實時的信息內容安全的防護手段。HIDS所提供的信息不僅有可能用來發(fā)現處理隱信息，還可以提供涉及隱信息犯罪人員法律責任的數字證據。

網絡信息安全(共38張PPT)全文共38頁，當前為第4頁。9.2隱

寫

技

術

1．隱寫模型圖9-1是信息隱藏的一個通用模型。Alice和Bob欲利用隱信息的隱寫技術進行隱匿通信，待隱藏的信息為隱信息(Hiddenmessage)，它可以是版權信息或秘密數據，也可以是一個序列號等。顯信息為載體信息(covermessage)，如數字圖像、音頻和視頻片段等。信息隱藏過程一般由密鑰(Key)來控制，通過隱藏算法(EmbeddingAlgorithm)將秘密信息隱藏于公開信息中。網絡信息安全(共38張PPT)全文共38頁，當前為第5頁。隱蔽載體(隱藏了秘密信息的公開信息)通過信道(PublicCommunicationChannel)傳遞，提取(Extraction)從安全通道得來的密鑰，再從隱蔽載體中恢復/檢測秘密信息。由于是在公共信道上通信，因此可能會有第三方Eve進行竊聽和偵測載體中是否有隱信息存在。Alice可以通過開關選擇是否進行隱寫操作，以迷惑第三方Eve。現代信息隱寫技術一般都會利用人的視覺系統(VIS)或聽覺系統(HIS)對數字信號敏感性的不勻稱性或不完善性，使得載體在隱寫操作后的顯信息不發(fā)生明顯的變化。

網絡信息安全(共38張PPT)全文共38頁，當前為第6頁。例如針對LSB算法的卡方分布和RS檢測都屬于統計分析方法。由于LSB改變的是最不重要位，因此它不會改變這些PoV對兩個直方圖的和。如果將所有像素隨機化就可以得到Rm(1/2)和Sm(1/2)，這就可以確定圖中所示的兩條直線和兩條二次拋物線曲線(如圖9-5所示)，然后利用推導的公式3．LSB隱寫技術flipping操作滿足F(F(x))＝x，其中∈p。(1)非純載體分析：包含隱信息的非純載體是惟一的分析信息源。(2)按載體類型分類：基于文本、圖像、視頻和聲音等數字媒體的隱寫技術。G∈R組的數目與總體組的記為Rm，而G∈S組的數目與總體組的記為Sm。根據在最不重要位數據的改變程度，可以形成Rm、R－m、Sm、S－m的直觀圖，在Rm與Sm的交點處求解。由于理論上只有一半的最低位發(fā)生變化，因此用LSB算法替換后很難用人的視覺系統和聽覺系統發(fā)現替換前后的不同。為了使LSB算法隱寫后更難被偵測到，還可以用非連續(xù)替換的方式，也就是按規(guī)則隨機挑選最低位來替換。隱信息一般不被用來表現任何的顯信息外部特征。例如，要在下面的8個字節(jié)載體里用LSB隱藏字符“G”，最低位用下劃線標出。10010101000011011100100110010110定義F1：01，23，…，254255和F－1：－10，12，…，255256或定義為F－1(x)＝F1(x＋1)－1。我們總結了一些常見的信息隱藏工具及它們的特點(如表9-1所示)。而主動方式是指Eve在檢測判別過程中可以對通信信息進行所有他期望的修改。圖9-1信息隱藏的一個通用模型

網絡信息安全(共38張PPT)全文共38頁，當前為第7頁。

2．隱寫技術分類隱寫技術是一種新興的知識領域，盡管還處在發(fā)展階段，但是已經具有了自己的意義和內涵。現在可以將其作如下分類:

(1)按密鑰分類：若嵌入和提取采用相同密鑰，則稱其為對稱隱寫算法，否則稱為公鑰隱寫算法。

(2)按載體類型分類：基于文本、圖像、視頻和聲音等數字媒體的隱寫技術。

(3)按隱藏域分類：主要可分為空域(或時域)方法和變換域(或頻域)方法。

網絡信息安全(共38張PPT)全文共38頁，當前為第8頁。

(4)按提取要求分類：若在提取隱藏信息時不需要利用原始載體，則稱為盲隱寫，否則稱為非盲隱寫。顯然使用原始的載體數據更便于檢測和提取信息。但是，在數據監(jiān)控和跟蹤等場合，我們并不能獲得原始的載體。對于其他的一些應用，如視頻水印，即使可獲得原始載體，但由于數據量大，要使用原始載體也是不現實的。目前主要采用的是盲隱寫技術。

(5)按目的分類：主要可分為隱寫術和水印技術。隱寫術主要用于隱匿通信，它所要保護的是隱信息；水印技術主要用于版權保護及真?zhèn)舞b別等目的，它最終所要保護的是載體本身。

網絡信息安全(共38張PPT)全文共38頁，當前為第9頁。

3．LSB隱寫技術

LSB(LeastSignificantBit)算法通過調整宿主數據的最低有效位來隱藏信息，致使所隱藏的信息在視覺和聽覺上很難被發(fā)現。這種方法有較大的信息隱藏量，但從基本原理上看，該算法所隱藏的信息是極為脆弱的，因為它無法承受某些無意或有意的信號處理。例如，要在下面的8個字節(jié)載體里用LSB隱藏字符“G”，最低位用下劃線標出。1001010100001101110010011001011000001111110010111001111100010000字符“G”的ASCII碼為01000111，隱寫操作后8字節(jié)的載體變?yōu)椋?001010000001101110010001001011000001110110010111001111100010001網絡信息安全(共38張PPT)全文共38頁，當前為第10頁。在上面的例子中只有一半的最低位發(fā)生了變化，用斜體標出。LSB算法可以用來替換圖像中的RGB編碼、BMP和GIF格式的調色板、JPEG中的系數和音頻的脈沖調制編碼等。由于理論上只有一半的最低位發(fā)生變化，因此用LSB算法替換后很難用人的視覺系統和聽覺系統發(fā)現替換前后的不同。為了使LSB算法隱寫后更難被偵測到，還可以用非連續(xù)替換的方式，也就是按規(guī)則隨機挑選最低位來替換。LSB是最經典、有效的隱寫算法。

網絡信息安全(共38張PPT)全文共38頁，當前為第11頁。在上面的例子中只有一半的最低位發(fā)生了變化，用斜體標出。LSB算法可以用來替換圖像中的RGB編碼、BMP和GIF格式的調色板、JPEG中的系數和音頻的脈沖調制編碼等。由于理論上只有一半的最低位發(fā)生變化，因此用LSB算法替換后很難用人的視覺系統和聽覺系統發(fā)現替換前后的不同。為了使LSB算法隱寫后更難被偵測到，還可以用非連續(xù)替換的方式，也就是按規(guī)則隨機挑選最低位來替換。LSB是最經典、有效的隱寫算法。

網絡信息安全(共38張PPT)全文共38頁，當前為第12頁。9.3隱寫分析技術

1．隱寫分析的分類獄警Eve可以用主動和被動方式來檢查Alice和Bob之間的通信信息。所謂被動方式就是指Eve根據自己的能力判別當前通信信息是否可能隱藏有隱信息來決定是否允許他們通信；而主動方式是指Eve在檢測判別過程中可以對通信信息進行所有他期望的修改。一個保守或激進的獄警可能會通過采用修改所有通信信息來破壞可能存在的隱匿通道。

網絡信息安全(共38張PPT)全文共38頁，當前為第13頁。隱寫分析技術可以根據事先知道信息的多少分為下面幾類：

(1)非純載體分析：包含隱信息的非純載體是惟一的分析信息源。

(2)知道純載體的分析：不含隱信息的載體和非純載體都可以用來分析。

(3)知道隱信息分析：分析時隱信息是知道的。

(4)選擇隱寫分析：已包含隱信息的非純載體和隱寫算法都知道的分析。

(5)選擇信息分析：隱信息和隱寫算法都知道的分析。

(6)知道隱寫分析：純載體、非純載體和隱寫算法都知道的分析。

網絡信息安全(共38張PPT)全文共38頁，當前為第14頁。

2．常用的隱寫分析技術隱寫技術的分析與破解(Steganalysis)觀念在1998年由Johnson與Jajodia首度提出。

2001年9·11恐怖攻擊事件發(fā)生后，則開始受到一般大眾的普遍關注，新聞媒體報導專家懷疑恐怖分子可能使用隱寫技術掩護秘密通信，但至今尚未獲得證實。傳統的隱寫技術，均是針對像素的色彩值或是各種頻率域的系數值去做改變，以期達到不影響影像品質的情況下，將機密信息嵌入。因此，許多隱寫技術破解分析法也都是針對這些色彩值或系數值去做統計與分析，期望能找到那些媒體隱藏有機密信息的證據。

網絡信息安全(共38張PPT)全文共38頁，當前為第15頁。

1)隱寫特征分析早先提出的許多隱寫技術，都會在載體中留下不尋常的特征，例如S-Tools這個軟件最致命的缺點就是GIF格式的原始影像調色盤被修改的非常不自然。通過對調色盤色彩做簡單的排序分析，被嵌入機密信息的影像中調色盤的色彩會形成32個群集，這是一般自然影像所沒有的特征。圖9-2即為一個S-Tools隱寫特征的實例，嵌入機密的調色盤依亮度排序后，所呈現的不尋常分組特征，這個特征也等于是暴露了機密信息的存在性。

網絡信息安全(共38張PPT)全文共38頁，當前為第16頁。圖9-2一個S-Tools隱寫特征的實例(a)排序前調色盤；(b)排序后調色盤

網絡信息安全(共38張PPT)全文共38頁，當前為第17頁。

2)感覺系統分析在載體比較敏感的區(qū)域嵌入隱信息可能會導致某種微小程度的變形痕跡，利用此變形痕跡來檢測隱信息的存在與否。例如所謂的視覺攻擊法乃是將機密信息可能隱藏的二元值抽取出來，依其相關位置組成一個位平面，然后利用人類視覺來判斷是否有機密信息隱藏其中。位平面分析法，就是屬于視覺攻擊法的一種。但現在先進的隱寫算法往往也會考慮人的感覺系統，盡可能使隱寫過程對感覺系統的影響減少到最小程度，導致基于感覺系統的攻擊方法對此類隱寫算法無效。

網絡信息安全(共38張PPT)全文共38頁，當前為第18頁。

3)統計分析利用數學統計方法來檢測隱信息的存在與否。信息隱藏改變了載體數據流的冗余部分，這樣做雖然沒有改變感覺系統的效果，但是卻改變了原始載體數據的統計性質。根據判定給定載體的統計性質是否屬于非正常情況，可以判斷是否含有隱藏信息。統計分析的關鍵問題是如何得到原始載體數據的理論期望頻率分布，在大多數情況下，我們無法得到原始信號的頻率分布。例如針對LSB算法的卡方分布和RS檢測都屬于統計分析方法。

網絡信息安全(共38張PPT)全文共38頁，當前為第19頁。

3．針對LSB分析技術由LSB算法可知，LSB信息隱藏就是通過修改最低有效位來進行隱藏信息。就圖像而言，由于人眼的不敏銳性，去掉圖像像素的最低2～3比特，一般不會引起視覺上的效果。并且圖像LSB數據量越大，進行信息隱藏時可以采用的技巧的自由度越多，從而使LSB成為最流行的信息隱藏方式。分析LSB信息隱藏的各種可能性，我們發(fā)現針對LSB信息隱藏檢測存在以下幾個難題：低比特位置確定問題(隱藏信息者究竟利用了哪幾個低比特進行信息隱藏)、數據加載的順序問題(隱藏信息者能夠以自己設定的任意位置順序來隱藏秘密數據)、檢測如何提取這些秘密數據、隱藏數據的可讀性，隱藏信息者是怎樣對隱藏的數據進行預處理(加密)的，然后又是怎樣將隱藏LSB數據到圖像中去的。

網絡信息安全(共38張PPT)全文共38頁，當前為第20頁。

1)像素值對卡方檢測像素值對卡方檢測是一種針對最低位LSB算法的隱寫技術。色彩值(或灰階值，或各種頻率域之系數)中只有最低位不同的兩種值稱為一組PoV。例如，68(01000100)與69(01000101)就是一組PoV。最低位LSB隱寫算法會破壞原有圖像的統計直方圖的分布，如圖9-3所示。如果用于隱寫最不重要位的二進制位呈均勻分布，那么每個PoV中兩種值出現的概率相等。這種現象在一般的圖像中很難出現，因此只要能分析出這種特性，即可斷定有機密信息隱藏于其中。關鍵問題是如何得到原圖像的理論期望直方圖分布(即隱寫前的期望值)。因為在多數情況下我們沒有原始圖像信號。在像素值對卡方檢測中，原始圖像的理論期望直方圖分布用PoV中兩個頻率的算術平均值來表示。

網絡信息安全(共38張PPT)全文共38頁，當前為第21頁。表9-1常見的信息隱藏工具根據在最不重要位數據的改變程度，可以形成Rm、R－m、Sm、S－m的直觀圖，在Rm與Sm的交點處求解。例如針對LSB算法的卡方分布和RS檢測都屬于統計分析方法。為了使LSB算法隱寫后更難被偵測到，還可以用非連續(xù)替換的方式，也就是按規(guī)則隨機挑選最低位來替換。根據在最不重要位數據的改變程度，可以形成Rm、R－m、Sm、S－m的直觀圖，在Rm與Sm的交點處求解。(a)排序前調色盤；LSB是最經典、有效的隱寫算法。例如針對LSB算法的卡方分布和RS檢測都屬于統計分析方法。在上面的例子中只有一半的最低位發(fā)生了變化，用斜體標出。為了使LSB算法隱寫后更難被偵測到，還可以用非連續(xù)替換的方式，也就是按規(guī)則隨機挑選最低位來替換。例如針對LSB算法的卡方分布和RS檢測都屬于統計分析方法。由于是在公共信道上通信，因此可能會有第三方Eve進行竊聽和偵測載體中是否有隱信息存在。由于理論上只有一半的最低位發(fā)生變化，因此用LSB算法替換后很難用人的視覺系統和聽覺系統發(fā)現替換前后的不同。但是，在數據監(jiān)控和跟蹤等場合，我們并不能獲得原始的載體。圖9-1信息隱藏的一個通用模型圖9-3中的虛線用來連接PoV對的算術平均值。由于LSB改變的是最不重要位，因此它不會改變這些PoV對兩個直方圖的和。同一PoV中的奇值數被轉移到對應的偶值中去了，反之亦然。由于和保持不變，因此原圖像載體和隱寫后圖像載體中PoV對的算術平均值相同。這就允許原始圖像的理論期望直方圖分布用PoV中兩個頻率的算術平均值來表示，隱寫分析就不需要原載體圖像。

網絡信息安全(共38張PPT)全文共38頁，當前為第22頁。圖9-3嵌入信息前后的顏色分布直方圖的變化(a)隱寫前；(b)隱寫后

網絡信息安全(共38張PPT)全文共38頁，當前為第23頁。樣本分布與理論期望頻率分布的相似程度，是某種嵌入事件發(fā)生的概率度量。該相似程度用卡方塊測試來決定。理論期望頻率分布為在隱寫后圖像測得的發(fā)生頻率為ni＝|{color?|?color＝2i}|網絡信息安全(共38張PPT)全文共38頁，當前為第24頁?？ǚ浇y計

自由度是k－1。

n和分布相同的概率p由下式計算得到，p值的大小可以看作隱藏信息的概率。

p＝

網絡信息安全(共38張PPT)全文共38頁，當前為第25頁。圖9-4地磚圖像中用EzStego進行嵌入的概率

網絡信息安全(共38張PPT)全文共38頁，當前為第26頁。其中右圖中的曲線表示了隱藏秘密信息后圖像的p值的測試，p值相當于嵌入概率。采樣從上面邊緣開始，包含1%的像素，對于這種采樣，也就意味著可能嵌入的p＝0.8826。下一次采樣包含另外1%的像素，相當于整個圖像的2%，p值增加到0.9808。只要樣本包含上半部分像素，且已被嵌入信息，p值不會低于0.77。下半部分圖像的像素是不會改變的，因為要嵌入的信息沒那么長。包含52%像素點的樣本中有太多未改變的像素致使p值幾乎降至0。要避免被這種檢驗出來的應對做法是減少嵌入的機密信息量，只要將嵌入容量控制在原來的一半以內，被檢驗出的風險就可以大大降低。

網絡信息安全(共38張PPT)全文共38頁，當前為第27頁。

2)RS檢測

RS檢測是針對以彩色影像作為載體的最低位隱藏法的。該方法由J.Fridrich、M.Goljan和R.Du提出，主要針對圖像的LSB隱藏算法。多數圖像的LSB平面本身具有一定的隨機性，使用LSB平面典型統計量來獲得隨機化尺度并不可靠。即使LSB平面顯示隨機，仍然與其他的位平面存在某種關聯。這種關聯是非線性的，定義適當的函數來度量這種關系。這里對由n個元素組G＝(x1,x2,…,xn)定義了一個判別函數

網絡信息安全(共38張PPT)全文共38頁，當前為第28頁。判別函數f可以用來度量圖像的光滑程度，圖像中的噪音越多，函數f的值就越大。LSB會增加圖像的噪音信息，所以期望圖像在用LSB隱寫秘密信息后f的值會變大。以一幅8bit的灰度圖像為例，像素值分布在P＝{0，…，255}區(qū)間內，將圖像每n個相鄰像素點作為一組分成若干組，其中定義一個在P上的操作F稱為“flipping操作”。flipping操作滿足F(F(x))＝x，其中∈p。定義F1：01，23，…，254255和F－1：－10，12，…，255256或定義為F－1(x)＝F1(x＋1)－1。網絡信息安全(共38張PPT)全文共38頁，當前為第29頁。再定義三個集合：(1)?Regulargroups:G∈R

f(F(G))＞f(G)(2)?Singulargroups:G∈S

f(F(G))＜f(G)(3)Unusablegroups:G∈U

f(F(G))＝f(G)

網絡信息安全(共38張PPT)全文共38頁，當前為第30頁。其中F(G)＝(F(x1)，F(x2)，…，F(xn))。一般來說，G∈R組的數目大于G∈S組的數目。對于n個像素可以采用不同的F，此時可以掩碼M對F標記，記為FM。G∈R組的數目與總體組的記為Rm，而G∈S組的數目與總體組的記為Sm。有Rm＋Sm≤1，R－m＋S－m≤1。在隨機的圖像中Rm和Sm的大小大致相等，當嵌入秘密信息而改變圖像最不重要位時，Rm和Sm的關系發(fā)生了變化。

網絡信息安全(共38張PPT)全文共38頁，當前為第31頁。對典型的圖像，無論圖像格式是否失真，RM≌R－M，SM≌S－M。但是，對LSB平面隨機化處理后，等式不再成立。根據在最不重要位數據的改變程度，可以形成Rm、R－m、Sm、S－m的直觀圖，在Rm與Sm的交點處求解。例如假定n＝4，選擇一個掩碼M＝{0,1,1,0}，當嵌入信息而改變LSBs時，Rm和Sm的關系發(fā)生了變化，得到了Rm(p/2)、Sm(p/2)、R－m(p/2)和S－m(p/2)四個點。如果對所有像素的LSBs位進行一次flipping操作