[理学]基于LSB的密写与密写分析

《[理学]基于LSB的密写与密写分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、7.2基于LSB的密写与密写分析灰度图像1LSB密写的特点研究最早算法简单隐藏量大应用广泛2LSB密写的原理以图像为例：用欲嵌入的秘密信息取代载体图象的最低比特位，原来图象的7个高位平面与代表秘密信息的最低位平面组成含隐蔽信息的新图象3步骤将秘密信息转化为比特流将比特流进行加密或置乱（用密钥）逐行/或逐列/或随机游走的方式替换载体图像的最低比特位接收者提取最低比特位，恢复秘密信息45计算峰值信噪比载体图象最低比特中的0、1大约为一半，秘密数据0、1个数也约为一半，因此，替换后，约有一半的数据未变，一半的数据加1或减1PSNR＝51.1dB6虽然LSB密写可以在隐藏大量信息的情况

2、下依然保持良好的视觉隐蔽性但使用有效的统计分析工具就可以判断一幅载体图象中是否含有秘密信息7LSB密写分析方法2分析信息量估计法RS分析法GPC分析法82分析LSB方法：如果秘密信息位与隐藏位置的象素灰度值的最后一位相同，就不改变原始载体反之，则改变灰度值的最后一位将2i改为2i+1，或将2i+1改为2i，而不会将2i改为2i-1，或将2i+1改为2i+2XXXXXXX0192分析设图象中灰度值为j的象素数为hj，其中0≤j≤255如果载体图象未经密写，、的值则会相差得远一些秘密信息在嵌入之前往往经过加密，可以看作是0、1随机分布的比特流，而且值为0与1的可能性都是1/2

3、如果秘密信息完全替代了载体图象的最低位，那么、的值会比较接近10例在测试图像的所有最低位上嵌入秘密信息1112研究表明服从2分布其中k等于h2i、h2i+1所组成数字对的数量r越小表示载体含有秘密信息的可能性越大13结合2分布的概率密度函数，计算p：载体被密写的可能性14实验结果对灰度图像的上半部分进行LSB密写，计算p值15存在的问题如果不是连续嵌入，例如：嵌入位置随机分布于整个图像或者，密写率较低时上述方法难以奏效16信息量估计法设秘密信息的负载率为α，即载体图象每个象素上平均负载α比特秘密信息嵌入信息的位置伪随机地分布于整个图象估计α的值，如果α接近于0，便可以认为载

4、体图象中不含秘密信息17设原始图象中灰度值为j的象素数目为fj，密写后灰度值为j的象素数为hj秘密信息可以看作0和1等概率分布的随机码流大约有个象素的灰度值由2i改为2i+1也有大约有个象素的灰度值由2i+1改为2i18因此有则h2i＋1与h2i之差与嵌入率有近似的线性关系，随着嵌入率的增大，h2i＋1与h2i趋近相等19再看h2i＋2与h2i＋1的差有h2i＋2与h2i＋1的差与嵌入率仍然呈近似的线性关系。所不同的是它们不一定随着嵌入率的增大而趋近相等20检测时，计算灰度直方图定义如果图象没有经过密写，F1和F2在统计上并无不同，因此这两个参数的值应该很接近如果图象经过密写，

5、F1、F2与嵌入率近似呈线性关系，并且F1随嵌入率增大而减小；而F2不一定减小，即使下降，其速度也远小于F1减小的速度21例如载体图象为512×512的8比特标准测试图象Man横轴表示α，纵轴为F1和F2值。由图可见F1、F2的变化近似于直线22如果F1、F2比较接近，可以认为图象中不含秘密信息如果F2明显大于F1，则认为图象中含有秘密信息下一步：估计密写信息量α23在待检测图象中随机选择位置进行二次密写，嵌入率β逐步由10%、20%上升到100%对应于每一个β值分别计算F1和F2二次密写后，有部分象素经历了两次改变又回到原始的灰度值两次密写中仅改变过一次灰度值的象素占全部象素

6、的(α+β-αβ)/2，即相当于经历一次嵌入率为(α+β-αβ)的密写β＝100％时，相当于经历一次嵌入率为100％的密写24密写分析过程对待检测图像计算F1，F2比较接近，无密写F2明显大于F1，有密写对待检测图像进行二次密写，密写率从10％，20％，。。。，100％，计算F1和F2两条曲线的交点即为二次密写后相当于一次密写率为0的密写a+b-ab=0a=b/(b-1)25例对man图像进行20％的嵌入用上述方法计算出估计嵌入率为18.7％26RS分析方法利用图像空间相关性进行密写分析对图像分块，以Zigzag方式扫描排列成一个向量（x1,…,xn)定义该图像块的空间相关性f

7、越小，说明相邻象素之间变化越小，图像块的空间相关性越强27RS分析方法定义翻转函数记F1为2i与2i+1的相互变化关系0－1，2－3，。。。记F-1为2i-1与2i的相互变化关系1－2，3－4，。。。记F0为不变关系LSB密写可以用翻转函数描述秘密比特与载体LSB比特相同时，用F0翻转秘密比特与载体LSB比特不同时，用F1翻转28RS分析方法将待检测图像分成大小相同的图像块计算每个图像块的空间相关性对每个图像块应用非负翻转（F1和F0）计算空间相关性增加的图像块的比例，记为RM＝计算空间相关