ＬＳＢ信息隐藏的卡方分析

于 2024-01-06 14:25:54 发布
阅读量1.2k 收藏 22
点赞数 22
文章标签： python 网络 numpy
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_52194717/article/details/135425808
版权
本文深入探讨了使用Least Significant Bit（LSB）技术进行信息隐藏的方法，并通过Python实现了一种基于卡方统计分析的检测试验。内容涵盖了LSB原理、信息嵌入过程，以及如何利用numpy库进行卡方分析，以评估隐藏信息的不可见性和安全性。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、实验目的
  1. 了解什么是隐写分析（steganalysis）,隐写分析与信息隐藏和数字水印的关系。
  2. 掌握基于图像的LSB隐写的分析方法，设计并实现一种基于图像的LSB卡方隐写分析方法。

二．实验环境

Windows操作系统

Python3.9

Pycharm2019.3.3

三、实验原理

（1）隐写术和隐写分析技术从本质上来说是互相矛盾的，但是两者实际上又是相互促进的。隐写分析是指对可疑的载体信息进行攻击以达到检测、破坏，甚至提取秘密信息的技术，它的主要目标是为了揭示媒体中隐蔽信息的存在性，甚至只是指出媒体中存在秘密信息的可疑性。

（2）图像LSB信息隐藏的方法是用嵌入的秘密信息取代载体图像的最低比特位，原来图像的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像。虽然LSB隐写在隐藏大量信息的情况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可判断一幅载体图像中是否含有秘密信息。

（3）目前对于图像LSB信息隐藏主要分析方法有卡方分析、信息量估算法、RS分析法和GPC分析法等。本节介绍卡方分析方法。卡方分析的步骤如下：

设图像中灰度值为j的像素数为hj，其中0<=j<=255。如果载体图像未经隐写，h2i和h2i+1的值会相差得很远。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。如果秘密信息完全替代载体图像的最低位，那么h2i和h2i+1的值会比较接近，可以根据这个性质判断图像是否经过隐写。接下来，定量分析载体图像最低位完全嵌入秘密信息的情况。嵌入信息会改变直方图的分布，由差别很大变得近似相等，但是却不会改变h2i+h2i+1的值，因为样值要么不改变，要么就在h2i
最低0.47元/天 解锁文章
LSB信息隐藏的卡方分析
weixin_43916678的博客
11-19 4625
实验原理 隐写术和隐写分析技术从本质上来说是互相矛盾的，但是两者实际上又是相互促进的。隐写分析是指对可疑的载体信息进行攻击以达到检测.破坏.甚至提取秘密信息的技术，它的主要目标是为了揭示媒体中隐蔽信息的存在性.甚至只是指出媒体中存在秘密信息的可疑性。 图像L.SB信息险藏的方法是用嵌人的秘密信息取代载体图像的最低比特位,原来图像的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像，虽然LSB隐写在隐藏大量信息的情况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可判断一幅载体图像中是否含有秘密
基于LSB算法实现图像隐藏及RS、卡方分析附matlab代码
07-07
1.版本：matlab2019a，不会运行可私信 2.领域：【图像隐藏】 3.内容：基于LSB算法实现图像隐藏及RS、卡方分析附matlab代码 4.适合人群：本科，硕士等教研学习使用
数字图像隐写术之卡方分布
HUANGliang_的博客
07-26 1462
实现卡方分析算法； 利用卡方分析能够区分经LSB隐写的载密图像和未经隐写算法修改的原始载体图像。 通过卡方分布检验或者特征值检验可以区分载密图像和原始图像。 task1：通过84张标准库图像嵌入秘密信息得到84张载秘图像，对共168张图像进行两种不同的卡方分析，得到两种不同卡方分析方法下的卡方值对比图和分割值T； task2：利用84张标准库图像，将前42张嵌入秘密信息形成载密图像，后42不嵌入秘密信息作为原始图像，测试由task1生成的分割值T用于区分图像类型（原始图像或载秘图像）的预测准确度。...
信息隐藏与数字水印实验4-LSB信息隐藏的卡方分析
taylorswift的博客
07-07 4408
一、 实验目的 了解什么是隐写分析（steganalysis），隐写分析与信息隐藏和数字水印的关 系。掌握基于图像的 LSB 隐写的分析方法，设计并实现一种基于图像的 LSB 卡方隐写分析方法。二、 实验环境 （1）Windows10 或 11 系统 （2）Python 3.7 或以上 （3）图像文件 man.bmp三、 实验要求 （1）在灰度图 man.bmp 利用 LSB 方法随机嵌入 0 和 1 的比特，嵌入率为 100% ， 后 生 成 mangraystego.bmp ， 在 一 行 两 列 中
lsb，rs抗隐写，卡方分析.
06-26
python实现的lsb隐写，rs抗隐写，卡方分析，并附带界面程序
LSB匹配隐写分析
06-14
LSB 隐写分析和隐写分析检测，基于小波估计和直方图等等 一些好的文档
LSB图像信息隐藏（实现及分析）
RedArvin的博客
09-12 7749
LSB图像信息隐藏+python实现 一.实验目的 将信息图片存入载体图片，并从载体图片中提取出信息图片。具体操作为将信息图片的信息写入载体图片的最低位层（载体图片至少应为信息图片8倍）。 二.实验原理 图像 灰度图：使用一个0（全黑）~255（全白）的数字表示一个像素点的灰度等级。 RGB图像：由三个通道组成，每个像素点上由一组数据【B（蓝色） G（绿色） R（红色）】表示，同样的表示单一颜色通道的值取值范围也为0~255。 位深度：以灰度图为例，每一个像素点上有一个8位二进制串表示灰
信息隐藏实验十LSB信息隐藏的卡方分析.doc
09-29
【信息隐藏实验十LSB信息隐藏的卡方分析】 本次实验主要关注的是信息隐藏领域中的一个特定技术——LSB（Least Significant Bit）信息隐藏，并利用卡方分析进行检测。信息隐藏是将秘密信息嵌入到载体媒体（如图像、...
卡方隐写分析算法
12-01
对图像以嵌入率为rate进行顺序LSB嵌入，然后进行卡方隐写分析
LSB信息隐藏实验 matlab代码及实验报告
01-14
LSB (LSB:least significant bits) :将信息嵌入到随机选择的图像点中最不重要的像素位 上，这可保证嵌入的隐写信息是不可见的。 优点：操作简单，实现容易，隐藏信息量相对比较大。 缺点：由于使用了图像不重要的像素位，算法的鲁棒性差，隐写信息很容易为滤波、图像量化、几何变形的操作破坏。
图像LSB隐写算法分析
07-06
图像LSB隐写算法分析，其内容是对信息保护，应用于本权保护，真假的识别
信息隐藏隐写与分析
04-24
1、隐写：分别完成位图格式图像头文件冗余、图片尾部追加和数据区覆盖三种隐写。 2、分析：分别完成位图格式图像头文件冗余、图片尾部追加和数据区覆盖三种隐写图像与正常图像的分析及隐写数据的提取。
2021-04-25
weixin_46605806的博客
04-25 1370
LSB隐写分析 任意比例的LSB嵌入率分析LSB隐写分析基于视觉攻击的LSB隐写分析分解灰度图抽取最低位平面任意比例嵌入率的分析基于卡方检验的LSB隐写分析原始图像与载密图像的灰度直方图对比卡方检测分析任意比例嵌入率的卡方检测分析 基于视觉攻击的LSB隐写分析 视觉攻击是指利用人的视觉感知特性来判断载密图像异常变化。LSB替换选用最低位平面来嵌入秘密信息，最低位平面对图像的视觉效果影响最轻微。因此，可以从图像的最低有效位组成的图像中判断是否有隐藏消息。图像的LSB和最高位以及其他点有一定的关系，特别是对自然
LSB Matching 隐写算法分析与理解
热门推荐
山里娃娃哈
04-01 1万+
欢迎使用Markdown编辑器写博客**信息隐藏技术（隐写术）**，即不让计划的接收者之外的任何人知道信息的传递事件（而不只是信息的内容）的一门技巧与科学。隐写术英文作“*Steganography*”，来源于约翰尼斯·特里特米乌斯一本看上去是有关黑魔法，实际上是讲密码学与隐写术的一本书Steganographia中。此书书名来源于希腊语，意为“隐秘书写”。 最简单的隐写算法有LSB（最低有效位），
隐写术浅谈（二）：LSB隐写与IDAT隐写
CHTXRT的博客
01-19 4692
针对于如何进行信息隐写，主要讲了讲隐写术中的LSB隐写和IDAT隐写的隐写和反隐写方式。
信息隐藏——LSB隐写分析
HizT_1999的博客
06-24 8651
LSB隐写分析 【实验目的】： 了解并实现常见的LSB隐写分析法。 【实验内容】： ■实现针对LSB隐写的卡方隐写分析算法，并分析其性能。 ■实现针对LSB隐写的RS隐写分析算法，并分析其性能。 1.卡方隐写分析算法 主要针对图像所有像素点的LSB全嵌入情况；利用数理统计假设检验中的卡方检验模型来分析。 设图像中灰度值为j的象素数为hj，其中0≤j≤255。如果载体图像未经隐写，h2i和h2i+1的值会相差很大。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
python图像信息隐藏卡方分析绘制statistic图像和p值图像
最新发布
05-23
要进行图像信息隐藏的卡方分析并绘制statistic图像和p值图像，可以按照以下步骤操作： 1. 导入必要的库和模块，如numpy、cv2、scipy.stats等。 ```python import numpy as np import cv2 from scipy.stats import chi2_contingency ``` 2. 读取图像并将其转换为灰度图像。然后将其转换为二进制形式，以便进行信息隐藏。 ```python img = cv2.imread('image.png') gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) binary_img = cv2.threshold(gray_img, 127, 255, cv2.THRESH_BINARY)[1] ``` 3. 定义信息隐藏函数，将信息嵌入到二进制图像中。这里采用的是最简单的LSB（最低有效位）算法。 ```python def hide_data(binary_img, data): data_len = len(data) data_index = 0 for i in range(binary_img.shape[0]): for j in range(binary_img.shape[1]): if data_index >= data_len: return binary_img binary_img[i][j] = (binary_img[i][j] & 254) | int(data[data_index]) data_index += 1 return binary_img ``` 4. 调用hide_data函数将信息嵌入到二进制图像中。 ```python data = 'Hello, world!' binary_img_with_data = hide_data(binary_img, ''.join(format(ord(c), '08b') for c in data)) ``` 5. 计算卡方值、p值和自由度，并绘制statistic图像和p值图像。 ```python def analyze_data(binary_img, binary_img_with_data): # 计算直方图 hist, bins = np.histogram(binary_img.flatten(), 2, [0, 256]) hist_with_data, bins_with_data = np.histogram(binary_img_with_data.flatten(), 2, [0, 256]) # 计算卡方值、p值和自由度 chi2, p, dof, expected = chi2_contingency([hist, hist_with_data]) print('卡方值:', chi2) print('p值:', p) print('自由度:', dof) # 绘制statistic图像和p值图像 import matplotlib.pyplot as plt fig, ax = plt.subplots(1, 2, figsize=(12, 6)) ax[0].bar(['Original', 'Modified'], [hist[0], hist_with_data[0]]) ax[0].set_xlabel('Pixel value') ax[0].set_ylabel('Frequency') ax[0].set_title('Statistic') ax[1].bar(['Original vs. Modified'], [p]) ax[1].set_ylim(0, 1) ax[1].set_xlabel('Comparison') ax[1].set_ylabel('p-value') ax[1].set_title('p-value') plt.show() analyze_data(binary_img, binary_img_with_data) ``` 这样就可以进行图像信息隐藏的卡方分析并绘制statistic图像和p值图像了。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值