知识分享

什么是隐写？

隐写术(Steganography) 这一名词早在文艺复兴时期就已出现。很多同学小时候玩过的秘密写字（紫外线照射使字迹显现）也可以说是隐写的一种。而现在的数字隐写术在是信息安全杂项门类下的一个小分支，主要研究将信息隐藏在数字载体中（一般是公开媒介）。信息隐写不仅要避免信息被接收者以外的人截获，更旨在让他人根本无法知晓信息传递的发生。信息在传递过程中的安全性和秘密性都有所保障。

在考量一种隐写方法时，我们通常从隐蔽性和鲁棒性两个角度来进行评判。其中隐蔽性指让人无法察觉隐藏信息的存在；而鲁棒性则指：在一些干扰或是刻意攻击存在的情况下，隐藏的信息能够复原的程度。采用了隐写技术的电子水印，则更注重鲁棒性的提升，以防止不法分子将版权信息从作品中去除。

而图像隐写则是以图像作为载体，将信息隐藏在图片中。根据信息隐藏的位置的不同，可以将隐写方式分为空间域隐写和变换域隐写两种。

LSB隐写术

网上已经有很多关于LSB(最低有效位)隐写原理的分析了，鉴于作者实在是懒得要死+无限拖延，大家可以直接在下面的链接参考相关内容。

• LSB隐写术 - CSDN
• LSB图片隐写(最低有效位隐写)
• LSB隐写算法的实现与性能分析

项目实践

在这之前，我写程序还从未有落实到生活中过，基本上都是写解题的代码，最多也只能说是写过一些临时的小脚本，更不用说独立地完成一个有实际作用的小项目了。于是刚好就趁这个学期Python项目作业的机会，来动手试一下从零开始要怎么完成一个项目。

而关于为什么和大家都在做的爬虫、数据可视化背道而驰，选择了一个冷门的选题，大概是源于对信息安全的兴趣。可惜没法在本科有更多的机会接触到这一学科，遂打算在有空的时候自己慢慢研究。

已经完成的项目地址：https://github.com/marshuni/LSB-Steganography

项目构思

项目整体为一个基于Python的使用工具类脚本，可以实现以下两个功能：

• 将文本等信息隐藏入一张图像 ：在命令行中使用hide关键字，并给出载体图像路径、载荷文件路径(可以是图像或文本文件)等信息，将信息隐藏入载体图像。
• 从包含隐藏信息的图像中取出信息：在命令行中使用extract关键字，并给出含有隐藏信息的图片文件路径，输出文件路径等信息，从而取出隐藏的内容。

以下是隐藏功能的实现流程图。可以看出程序被封装入了Converter, Crypter, LSB 三个模块，分别实现不同的功能。

除此之外还有主程序main.py 负责处理用户输入的命令，并控制上述模块对数据进行操作。

项目展示

使用《滕王阁序》作为载体文本，将其隐藏入一个图片文件中。

不难发现，两张图片使用肉眼看不出任何区别。

代码实现

以下的代码为编写过程中各部分功能的原型。在项目中，我对这些原型进行了一定重构，并使用类进行了封装，将其分为以上三个模块。如果需要体验项目效果，可以在Github上下载代码并按照Readme配置运行。

将文字渲染为图片

将文字渲染为图片再进行编码，可以增加隐写算法的鲁棒性。保证隐藏信息的图像在经过一定修改后，仍然能够辨识出其中隐藏的信息。

与其说是“渲染”为图片，实际的操作更像是新建一个图片，并在这张图片上面印上文字内容。PIL库中的ImageDraw可以实现这一功能。

但库中的函数并不能根据文本长度和图片宽度进行自动换行，因此添加了一个简易的换行流程。

from PIL import Image, ImageFont, ImageDraw

# 将长段文本按图片宽度进行换行
# 函数存在一定缺陷，即当文本为英文时，到达画布的一半处便会换行
def TextSplit(text, length):
    retrn [text[i:i+length] for i in range(0, len(text), length)]

# 将文本渲染为图片
# 传入的参数依次为：源字符串、生成图片高度与宽度、字号大小
def Text2Pic(raw,width,height,size) -> Image:

    # 将字符串进行切分，保证每一分段的长度在对应字号下不会超过图片长度
    sections = raw.split(sep='\n')
    text = ""
    for section in sections:
        for line in TextSplit(section,int((width-20)/size)):
            text += line+'\n'
    
    # 定义生成图像的类型。"1"表示图像类型为非黑即白的二值化图像 第3个参数的1则表示图像默认为全白 
    # 生成一个ImageDraw对象，从而对图像进行修改
    # 指定生成文字的字体，需要在脚本运行目录下存在该文件
    image = Image.new("1", (width, height), 1)
    draw = ImageDraw.Draw(image)
    font = ImageFont.truetype("./YaHeiConsolas.ttf", size)

    # 在图像上绘制文字。该函数会根据字符串中的换行符'\n'自动换行
    draw.multiline_text((10, 5), text, font=font, fill="#000000")
    return image

将图像进行异或处理以加/解密

最基础的LSB隐写并没有使用任何加密手段，也极易被识别出来。而常用的对称加密解决方案又过于庞大，有种杀鸡用牛刀的感觉。同时这种方法对于图像等二进制文件也并不太好用。因此采用了异或加密这一简单的手段。在不知道加密手段的情况下，还是可以提供不错的安全性的。

异或加密的原理很简单，即生成一个和图像信息完全一致的三维随机数组(宽x高x通道数)，将每一个数与图像中对应的数值(范围0-255)进行按位异或操作。

在解密时，只需要知道随机数组的值，按原样运行一次算法即可。（异或运算跑两次得到原值）

但由于PIL库的局限性，它仅支持单通道、所有数值为0或1的二值化图像进行异或操作。则此时生成的随机数组为二维的(大小为宽x高)，且每一个数为0或1.

在实际的项目中，为解决这一问题，我采用了numpy进行按位异或操作。同时给用户提供了“二值化”与“灰度”两种模式。具体代码可以看项目，原理是一样的。

# 使用种子随机生成一个和图像结构一致的随机数组，并将两者进行异或以加密
# 由于PIL库的局限性，进行异或操作的图像必须是二值化图像，不能够进行按位异或。
# 或许可以先在numpy的array形式下异或完再转换成图像？

def ImgEncrypt_xor_1(img_src,seed):
    # 图像二值化
    img = img_src.convert("1")
    # 获取图像的宽高信息
    img_arr = np.array(img)
    w,h = img_arr.shape

    # 输入随机数种子，生成随机数作为key
    # 尽管异或时仅支持二值化图像，这里还是先生成值的范围在0-255的二维数组(对应标准单通道灰度图像)
    # 然后再用PIL库，从数组转成二值化图像
    np.random.seed(seed)
    key=np.random.randint(0,256,size=[w,h],dtype=np.uint8)
    keyimg = Image.fromarray(key).convert("1")

    # 该步调用了PIL库的对应函数，生成加密后的图像
    img_encrypt = ImageChops.logical_xor(img,keyimg)
    return img_encrypt

# 使用同样的种子可以对加密的图像解密
# 步骤和上面的函数大同小异，原理一致，就不写注释了
def ImgDecrypt_xor_1(img_encrypt,seed):
    img_encrypt = img_encrypt.convert("1")
    img_arr = np.array(img_encrypt)
    w,h = img_arr.shape

    np.random.seed(seed)
    key=np.random.randint(0,256,size=[w,h],dtype=np.uint8)
    keyimg = Image.fromarray(key).convert("1")

    img_decrypt = ImageChops.logical_xor(img_encrypt,keyimg)
    return img_decrypt

将图像转换为二进制字节流便于隐写

这一模块在从原型到实际代码的开发过程中遇到了较多难题，所以这里直接使用了Converter.py中的最终代码进行解释。

啊……给自己的代码写注释是一个很费脑子的过程，更何况这个注释还是后期加上的……

如果有不正确或缺漏的地方还望指出，多多包涵。

# 将图像文件分解成二进制流的形式
def ImgDecompose(img,mode):
    # data数组用于存储最终的字节流，bytes数组中则是图像对应每一位的值(0-255)，需要按位拆开才能存入data
    data = []
    bytes = []
    # 先将图像宽高信息存入。struct模块将int整数打包成字节流的形式，每个整数占用4个字节（每字节8位二进制）
    # 由于Py中没有字节流的数据类型，struct.pack()输出的类型实质上是字符串，因此这里是将一个个字符存入数组
    # 单个字符的数据范围正好是0-255（1个字节），因此可以和图像数据一起拆分。
    for arg in img.size:
        bytes += [b for b in struct.pack("i",arg)]
    # 如果是灰度模式 就把图像数据也加进去，然后按位拆开成01的形式
    if mode == "L":
        bytes += [b for b in img.convert("L").getdata()]
    # 双重循环，对于bytes数组中每个元素（即一个字节），将其按8位分解并压入data数组
    # 先右移再按位或0x1可以得到每一位的值，具体哪一位取决于右移的位数。
    for b in bytes:
        for i in range(7,-1,-1):
            data.append((b >> i) & 0x1)
    # 如果图像为二值化图像，直接把01结果加入data数组就行了
    if mode == "1":
        data += [int(bool(b)) for b in img.convert("1").getdata()]
    return data

# 将二进制流重新聚合为图像文件
def ImgAssemble(data,mode,steg_size):
    # 取出图像数据大小，由于一个整数占用4字节(4x8=32个二进制位)，宽高数据一共占用了64位
    # 因此取出前64位二进制即可
    size = b""
    size_bytes = data[:64]
	
    # 一个idx即代表一个字节 将8个字节存入size后使用unpack()解出对应的整数
    for idx in range(0,8):
        byte = 0
        # 将8位二进制位处理后转换为0-255的整数存入byte
        # 每次循环都左移一次，一共8位
        for i in range(0,8):
            byte = (byte<<1) + size_bytes[idx*8+i]
        # chr函数将整数转换为字符类型（二进制流）
        # encode()函数在使用默认unicode编码时可能会产生额外的字符'\xc2'，需要改换编码
        size = size + chr(byte).encode('latin-1')
    # 使用unpack()解出整数
    width,height = struct.unpack("i",size[:4])[0],struct.unpack("i",size[4:8])[0]
    
	# 加一个判断大小数据有效性的流程。如果得到的size数据不合理，判定文件损坏，并尝试用原图的尺寸数据。
    if not 0<width<8192 or not 0<height<8192:
        print("[-] File corrupted.Trying to restore.")
        width,height = steg_size
    
    img = Image.new("L",(width,height))
	
    # 先将对应的字节取出
    # 然后按和上述取出宽高数据类似的方式按位取出图像数据，每8位算在一起
    if mode == "L":
        img_bytes = data[64:(width*height)*8+64]
        imgdata = []
        for idx in range(0,int(len(img_bytes)/8)):
            byte = 0
            for i in range(0,8):
                byte = (byte<<1) + img_bytes[idx*8+i]
            imgdata.append(byte)
        img.putdata(imgdata)
    # 如果是二值化模式 直接取出二进制数据即可
    elif mode == "1":
        img = img.convert("1")
        img.putdata(data[64:width*height+64])

    return img

将信息存入载体图片的最低有效位

# 函数作用为将var的 第num位 设为value的值
def SetBit(var, num, value):
    # mask的哪一位为1，则修改哪一位
    # num的值为0表示最低位
	mask = 1 << num
    # 按位与操作将对应位上的二进制设为0
	var &= ~mask
    # 如果value是1 就把对应位设为1
	if value:
		var |= mask
	return var

# 嵌入操作
def Embed(imgFile,payload):
    src_img = Image.open(imgFile).convert("RGBA")
    width,height = src_img.size
	
    # 计算最大能够存入的数据
    max_size = width*height*3.0/1024
    print ("[*] Input image size: %dx%d pixels." % (width, height))
    print ("[*] Usable payload size: %.2f KB." % (max_size))
	
    # 如果二进制数据长度不为3的倍数，就在末尾充入0进行调整
    # 因为该方法将数据平均分配到RGB三个通道，需要总二进制位数为3的倍数
    while(len(payload)%3):
        payload.append(0)
    payload_size = len(payload)/1024.0
    print ("[+] Payload size: %.3f KB " % payload_size)

    if (payload_size > max_size - 4):
        print("[-] Cannot embed. File too large")
        sys.exit()

    steg_img = Image.new('RGBA',(width,height))


    index = 0
    for h in range(height):
        for w in range(width):
            (r,g,b,a) = src_img.getpixel((w,h))
            if index < len(payload):
                r = SetBit(r,0,payload[index])
                g = SetBit(g,0,payload[index+1])
                b = SetBit(b,0,payload[index+2])
            # 超出数据的部分设为随机数，便于隐蔽
            else:
                r = SetBit(r,0,random.randint(0,1))
                g = SetBit(g,0,random.randint(0,1))
                b = SetBit(b,0,random.randint(0,1))
            steg_img.putpixel((w,h),(r,g,b,a))
            index += 3

    print ("[+] Embedded successfully!")
    return steg_img

# 解出数据
def Extract(imgFile):
    src_img = Image.open(imgFile).convert("RGBA")
    width,height = src_img.size
    print ("[*] Input image size: %dx%d pixels." % (width, height))

    data = []
    for h in range(height):
        for w in range(width):
            (r, g, b, a) = src_img.getpixel((w, h))
            data.append(r & 1)
            data.append(g & 1)
            data.append(b & 1)
    return data

参考资料

现有项目

在编写代码时尽管没有Ctrl+C/V，但由于能力有限，还是参考了一些大佬的代码和提供的思路。

• RobinDavid/LSB-Steganography - Github
• librauee/Steganalysis - Github

异或加密/解密

• 我赌你没有了解过——Python 图像加密 - CSDN
• Opencv+Python学习记录10：位平面分解+图像加密和解密（内附详细代码） - CSDN

本栏目推荐文章
• openpyxl模块---------------------------------------------提取身份证信息及计算年龄
• 基于VueCli自定义创建项目
• Maven常见问题与原理技巧
• IDEA项目名称后面出现中括号，模块Modules的名子和文件夹名称不同，可以右键修改名称也可以在File->Project Structure 修改Modules的Name(快捷键ctrl+Shift+Alt+s)
• 去年最火的 JS 开源项目「GitHub 热点速览」
• 用jacoco统计JAVA项目测试代码覆盖率
• CxImage 加载图像大小限制
• 第十二节：红黑树性质、相对平衡的原理、与AVL树的区别
• CS5569芯片,CS556,设计资料,CS5569规格书,CS5569原理图,typec转HDMI 8K带PD方案
• JFinal学生信息管理系统

图像 原理 项目 信息 LSB图像 原理 项目 信息 lsb misc-lsb 新技术 图像 内容 信息 图像 屏幕 原理 lsb_release 全能 图像 原理 拍案叫绝 图像 原理jpeg lsb_release rockylinux release lsb 地理信息 遥感 系统集成 图像