Nano Hash - криптовалюты, майнинг, программирование

Обнаружение стеганографии Android LSB

Я пытаюсь обнаружить стеганографию LSB с помощью камеры в реальном времени на мобильном телефоне. До сих пор мне не удавалось обнаружить стеганографию LSB, будь то на печатном материале или на экране ПК.

Я попытался использовать OpenCV и преобразовать каждый кадр в RBG, а затем прочитать биты из каждого пикселя, но это никогда не обнаруживает стеганографию.

Я также пытался использовать функциональность камеры и проверять на кадре, распознается ли пиксель за пикселем начальная строка или нет, поэтому я могу прочитать фактические скрытые данные в оставшихся пикселях.

Это несколько раз давало положительный результат, но тогда считывание данных было невозможно.

Любые предложения, как подойти к этому?

Немного больше информации о скрытых данных: 1. Это все изображение, и я знаю, что алгоритм работает, так как, если я просто прочитаю точное изображение через растровое изображение в приложении, стеганография будет обнаружена и декодирована, но когда я попытаюсь использовать камеру не такая удача. 2. Он находится в сетке, 8x5 пикселей по всему изображению, так что это не то, что он только на 1 конкретной области изображения, и его нельзя обнаружить в поле зрения камеры.

Я также могу опубликовать код, если это необходимо.

Спасибо.

android opencv android-camera steganography
16.08.2017

  • Просто быть чистым. Вы встраиваете данные в цифровое изображение, а затем смотрите на него через камеру, надеясь обнаружить секрет в пикселях? Какая стартовая строка (если просто набор из 1 и 0, то сколько) и как часто вы получали положительный результат? 16.08.2017
  • это набор 1 и 0 внутри 8 пикселей подряд. То есть обнаружить, что внутри есть встроенный код. Я часто получал положительный результат от обнаружения, но тогда фактические данные были бредовыми. 17.08.2017

Ответы:


1

Вы до сих пор не уточнили особенности того, как вы это делаете, но я предполагаю, что вы делаете что-то из следующего:

  • встроить секрет в цифровое изображение,
  • распечатайте это стеганографическое изображение или отобразите его на компьютере, и
  • сфотографируйте это и обнаружьте встроенный секрет.

Для всех практических целей это не может работать. Стеганография с встраиванием пикселей LSB — очень хрупкий метод. Вам нужна идеальная копия изображений стегопикселей для работы извлечения. Даже простой цифровой манипуляции достаточно, чтобы разрушить ваш секрет. Масштабирование, обрезка и вращение — вот лишь некоторые из них. Тогда вам придется беспокоиться о ракурсе, под которым вы делаете снимок, и об окружающем освещении. И мы даже не касаемся цветов, которые отображаются на мониторе компьютера или на распечатанной фотографии.

Единственная причина, по которой вы получаете положительные результаты для начальной последовательности, заключается в том, что вы используете короткую последовательность, и вам обязательно повезет. Если предположить, что сфотографированное стеганографическое изображение приводит к случайным отклонениям каждого пикселя от его истинного значения, вам все равно иногда повезет. Представьте, что у первого пикселя было значение 250, а после фотографирования — 248. Младший бит в обоих случаях по-прежнему равен 0.

Кроме того, некоторые последовательности, скорее всего, появятся. На большинстве фотографий соседние пиксели коррелированы, потому что цветовой градиент плавный. Это означает, что если верхний левый угол фотографии темный, а верхний правый яркий, цвет будет меняться медленно. Например, первые 4 пикселя имеют значение 10, затем несколько следующих — 11 и так далее. Что касается LSB, у вас есть шаблон 00001111, и, как я только что объяснил, он, вероятно, будет появляться довольно часто, независимо от того, какое изображение вы там фотографируете.

17.08.2017
  • Хорошо, я думал то же самое, но я сказал, дай мне попробовать. Что вы предлагаете использовать? Алгоритм ДКП? Алгоритм DWT для кодирования и обнаружения/декодирования 18.08.2017
  • Я не знаю, возможно ли это. Помните, что фотографирование стеганографического изображения очень чувствительно к условиям фотосъемки. Как далеко вы находитесь от фотографии, разрешение камеры и т.д. 18.08.2017
  • @BorceIvanovski При некоторых очень строгих условиях, которые фактически требуют, чтобы вы сделали снимок, чтобы воссоздать исходное стеганографическое изображение настолько достоверно, насколько это возможно, это возможно. Вот идея о том, как сложно пережить масштабирование изображения. 18.08.2017
  • Но у меня не было бы такой проблемы, когда стеганографическое изображение должно выжить при изменении размера. По сути, каким бы ни был точный размер стеганографического изображения, именно его будут пытаться распознать на мобильной стороне. По сути, им придется настраивать мобильный телефон ближе/дальше от изображения, чтобы получить точные пиксели. 18.08.2017
  • @BorceIvanovski В этом случае вас могут заинтересовать надежные алгоритмы стеганографии и посмотреть, сможете ли вы найти что-то, что соответствует вашим требованиям. 18.08.2017
  • Я посмотрю на это. Спасибо 18.08.2017
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..