（5.1）苹果系统中的数据隐藏Spy Pix原理使用方法分析

Posted 2022-06-05 BlackZone

目录

​​一、简介：​​

​​1.1、概述：​​

​​1.2、隐藏程序​​

​​二、Spy Pix ​​

​​2.1、简介：​​

​​2.2、原理：​​

​​2.3、使用方法：​​

​​第一步：确定图像​​

​​第二步：隐藏图像​​

​​2.4、数据隐藏方法分析​​

​​分析：​​

​​过程：​​

​​提取：​​

​​检测：​​

---

一、简介：

1.1、概述：

ios设备（主要是iPad和iPhone)中新的数据隐藏应用程序
Spy Pix、InvisiLetter和Setgo Sec, 每个应用程序都具有独特的数据隐藏能力。

1.2、隐藏程序

iPhone 、 iPad 等 iOS 产品中有很多数据隐藏的应用程序， 也有不少用千检查和分析这些应用程序的工具。

其中3个其各自独特的数据隐藏技术：

（1）Spy Pix

（2）InvisiLetter

（3）Stego Sec

---

---

二、Spy Pix 

2.1、简介：

 Spy Pix 简单易用，可以把一张照片嵌入到另一张照片中， 还可以选择照片嵌入后的质最等级。 数据隐藏操作会同时降低载体和被隐藏图像（有效负荷） 的质量， 但都不容易检测到。

2.2、原理：

将两张图像叠加，把被隐藏图像的最高有效位隐藏到载体图像的最低有效位。根据你选择的被隐藏图像的保留位数隐藏后的图像质量不同，保留的越多， 质址就越差。

2.3、使用方法：

第一步：确定图像

打开 Spy Pix（6.5）进行数据隐藏操作， 首选确定两张图像

被隐藏的图像（秘密图像）， 载体图像（诱饵）

选择 “ Image To Hide" 选项（6.6）通过拍照或从相册中选取来作为被隐藏图像

被隐藏图像枪支（6.7），选择载体图像（6.8）

---

第二步：隐藏图像

调整屏幕下方的滑块（6.9）， 选择数据隐藏的级别（融合质量级别）

融合质量高低不同的两个级别的预览效果图（6.9/6.10）

 如果级别太低， 融合后就会看到被隐藏的枪支弹药图像的轮廓背景。

选择较高的级别， 枪支弹药图像就会被隐藏得很好， 从视觉上看不出来

2.4、数据隐藏方法分析

分析：

Spy Pix把两张图像都转化为24位的真彩图像（将图像格式统一为常用格式）

用户指定载体图像中替换的像素个数（0~7位）。

0， 整个载体文件就会被替换为被隐藏的图像， 破环了原始图像。

7，会用被隐藏图像RGB值的最高有效位替换载体文件的最低有效位。

---

过程：

选择数据隐藏级别5（6.11）

则会用被隐藏图像RGB值的7、 6、5位替换载体文件最低有效位的0、1、2位。

被隐藏图像的0~ 4位就被丢弃了，分辨率就从24位真彩色降到了9位真彩色：红(R )、 绿(G )、 蓝(B)每个颜色有8位， 一共24位。每个颜色丢弃5位，5x3=15, y因此剩余24-15=9位。

---

提取：

用WetStone的隐写分析应用程序Stego Analyst来提取隐藏信息， Stego Analyst可以渲染指定的最低有效位值（6.13）

确定我们要检查的最低有效位的哪个位以及以哪种颜色显示， 就可以控制图像渲染了。

将选好的两张图像并排放在一起， 左边的是嵌入了枪支弹药图像的图像， 右边的是左边的图像经过渲染后的效果图（渲染时选取的最低有效位和颜色6.12）。

通过对比这两张图像， 我们可以直观地看到一个低分辨率的 、 隐藏在雪鸦图像中的枪支弹药图像。

 

---

检测：

替换

被隐藏图像之中隐藏了3位最高有效位， 因此数据丢失很明显， 但还是可以很明确地分辨出图像中的内容。

原始图像中的 24位只替换了9位， 可能觉得改动太小， 在算法上是无法检测到的。 然而， 最低有效位检测算法的经验法则就是对最低有效位值进行统计分析。 这个方法之前的许多方法都是先压缩原始文件、 再加密目的载荷， 然后再修改最低有效位， 这样嵌入后就会在载体文件的最低有效位值中产生随机性效果。 而本例中的数据隐藏几乎没有随机性， 因为对原始文件最高有效位的修改比对最低有效位的修改小得多， 也远远小千压缩或随机产生的数据。

对比、神经网络、统计

为了适应这种类型的检测方法， 采用新的对比模型和神经网络训练方法来检测用这个简单的数据隐藏方法在图像中嵌入数据而产生的异常信息。

开发这种检测工具的最基本方法就是创建很多不同的图像组（即原始载体图像和用上述方法处理过的图像 ）并找到一种统计方法， 可以通过将 “正常“ 图像 的LSB值与嵌入数据 后的图像中经过可变长度替换的LSB值 对比， 从而区分出两者的差异。 接下来就是不断进行神经网络训练或者其他启发式建模， 直到达到在降低误报率的同时最大化检测准确率的 目的。（分析高级盲检测技术的方法以及神经网络技术）