基于matlab的信息隐藏代码实现
信息隐藏实验三LSB图像信息隐藏剖析
实验三：LSB图像信息隐藏一、实验目的了解信息隐藏中最常用的LSB算法的特点，掌握LSB算法原理，设计并实现一种基于图像的LSB隐藏算法；了解如何通过峰值信噪比来对图像进行客观评价，并计算峰值信噪比值。
二、实验环境（1）Windows 7操作系统；（2）MATLAB R2012b版本软件；（3）BMP格式灰度图像文件。
三、原理简介任何多媒体信息在数字化时都会产生物理随机噪声，而人的感官系统对这些随机噪声并不敏感。
替换技术就是利用这个原理，通过使用秘密信息比特替换随机噪声，从而实现信息隐藏目的。
在BMP灰度图像的位平面中，每个像素值为8比特二进制，表示该点亮度。
图像高位平面对图像感官质量起主要作用，去除图像最低几个位平面并不会造成画面质量的明显下降。
利用这个原理可用秘密信息（或称水印信息）替代载体图像低位平面以实现信息嵌入。
本算法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，但很容易受噪声影响和攻击，可采用冗余嵌入的方式来增强稳健性加以解决，即在一个区域（多个像素）中嵌入相同的信息，提取时根据该区域中的所有像素判断。
四、实验步骤1. 隐藏提取及测试算法分为三个部分实现：（1）隐藏算法；（2）提取算法；（3）测试脚本。
1）隐藏算法源代码hide_lis.m如下：function o = hide_lsb(block,data,I)%function o = hide_lsb(block,data,I)%隐藏提取及测试%block:隐藏的最小分块大小%data:秘密信息%I:原始载体si = size(I);lend = length(data);N = floor(si(2)/block(2));%将图像划分为M*N个小块M = min(floor(si(1)/block(1)),ceil(lend/N));o = I;for i = 0 : M-1 %计算每小块隐藏的秘密信息rst = i*block(1) + 1;red = (i+1)*block(1);for j = 0 : N-1 %计算每小块隐藏的秘密信息的序号idx = i*N + j + 1;if idx > lendbreak;end%取每小块隐藏的秘密信息bit = data(idx);%计算每小块水平方向起止位置cst = j*block(2) + 1;ced = (j+1)*block(2);%将每小块最低位平面替换为秘密信息o(rst:red,cst:ced) = bitset(o(rst:red,cst:ced),1,bit);endend2）提取算法源代码dh_lsb.m如下：function out = dh_lsb(block,I)%function out = dh_lsb(block,I)%源代码dh_lsb.m如下：%block：隐藏的最小分块大小%I：携密载体si = size(I);%将图像划分为M*N个小块N = floor(si(2)/block(2));M = floor(si(1)/block(2));out = [];%计算比特1判决阀值：每小块半数以上元素隐藏是比特1时，判决该小块嵌入信息为1thr = ceil((block(1)*block(2) + 1)/2);idx = 0;for i = 0 : M-1%计算每小块垂直方向起止位置rst = i*block(1) + 1;red = (i+1)*block(1);for j = 0 : N-1%计算每小块将要数据的秘密信息的序号idx = i*N + j + 1;%计算每小块水平方向起止位置cst = j*block(2) + 1;ced = (j + 1)*block(2);%提取小块最低位平面，统计1比特个数，判决输出秘密信息 tmp = sum(sum(bitget(I(rst : red,cst : ced),1)));if (tmp >= thr)out(idx) = 1;elseout(idx) = 0;endendend3）测试脚本源代码test.m如下：fid = 1;len = 10;%随机生成要隐藏的秘密信息d = randsrc(1,len,[0 1]);block = [3,3];[fn,pn] = uigetfile({'* .bmp','bmp file(* .bmp)';},'选择载体');s = imread(strcat(pn,fn));ss = size(s);if (length(ss) >= 3)I = rgb2gray(s);elseI = s;endsi = size(I);sN = floor(si(1)/block(1))*floor(si(2)/block(2));tN = length(d);%如果载体图像尺寸不足以隐藏秘密信息，则在垂直方向上复制填充图像if sN < tNmultiple = ceil(tN/sN);tmp = [];for i = 1 : multipletmp = [tmp;I];endI = tmp;end%调用隐藏算法，把携密载体写至硬盘stegoed = hide_lsb(block,d,I);imwrite(stegoed,'hide.bmp','bmp');[fn,pn] = uigetfile({'*.bmp','bmp file(*.bmp)';},'选择隐蔽载体');y = imread(strcat(pn,fn));sy = size(y);if (length(sy) > 3)I = rgb2gray(y);elseI=y;end%调用提取算法，获得秘密信息out = dh_lsb(block,I);%计算误码率len = min(length(d),length(out));rate = sum(abs(out(1:len)-d(1:len)))/len;y = 1 - rate;fprintf(fid,'LSB:len:% d\t error rate:% f\t error num:% d\n',len,rate,len*rate);2. 计算峰值信噪比（1）峰值信噪比定义：2,2,,,,max ()x y x y x y x yx y p PSNR XY p p =-∑（2）峰值信噪比函数。
信息隐藏技术_实验报告(3篇)
第1篇一、实验目的1. 了解信息隐藏技术的基本原理和实现方法。
2. 掌握信息隐藏技术在图像、音频和视频等数字媒体中的应用。
3. 通过实验验证信息隐藏技术的有效性和安全性。
二、实验环境1. 操作系统：Windows 102. 编程语言：Python3. 库：OpenCV、scikit-image、numpy、matplotlib三、实验内容1. 图像信息隐藏2. 音频信息隐藏3. 视频信息隐藏四、实验步骤1. 图像信息隐藏（1）选择一幅图像作为宿主图像，并选择一幅图像作为水印图像。
（2）将水印图像转换为二值图像。
（3）对宿主图像进行分块处理，将每个块转换为二值图像。
（4）根据密钥对水印图像进行置乱，提高安全性。
（5）将置乱后的水印图像嵌入到宿主图像的对应块中。
（6）提取水印图像，并与原始水印图像进行对比。
2. 音频信息隐藏（1）选择一段音频作为宿主音频，并选择一段音频作为水印音频。
（2）对宿主音频和水印音频进行分帧处理。
（3）根据密钥对水印音频进行置乱，提高安全性。
（4）将置乱后的水印音频嵌入到宿主音频的对应帧中。
（5）提取水印音频，并与原始水印音频进行对比。
3. 视频信息隐藏（1）选择一段视频作为宿主视频，并选择一段视频作为水印视频。
（2）对宿主视频和水印视频进行帧提取。
（3）根据密钥对水印视频进行置乱，提高安全性。
（4）将置乱后的水印视频嵌入到宿主视频的对应帧中。
（5）提取水印视频，并与原始水印视频进行对比。
五、实验结果与分析1. 图像信息隐藏实验结果表明，嵌入水印后的图像与原始图像在视觉效果上几乎没有差异，水印的嵌入效果良好。
同时，提取的水印图像与原始水印图像完全一致，证明了信息隐藏技术的有效性。
2. 音频信息隐藏实验结果表明，嵌入水印后的音频与原始音频在音质上几乎没有差异，水印的嵌入效果良好。
同时，提取的水印音频与原始水印音频完全一致，证明了信息隐藏技术的有效性。
3. 视频信息隐藏实验结果表明，嵌入水印后的视频与原始视频在视觉效果上几乎没有差异，水印的嵌入效果良好。
如何进行信息隐藏的Matlab实现
如何进行信息隐藏的Matlab实现引言信息隐藏是一种将数据嵌入到其他载体中的技术，被广泛应用于数字版权保护、信息安全和隐私保护等领域。
Matlab作为一种强大的数值计算和数据可视化工具，提供了许多用于实现信息隐藏的函数和工具箱。
本文将介绍如何使用Matlab实现信息隐藏的基本原理、常用方法以及相关应用。
一、基本原理信息隐藏的基本原理是将要隐藏的信息嵌入到一个载体中，使其在外观上与原始载体无异。
常用的载体包括图像、音频和视频等。
在Matlab中，图像的处理是最为常见的应用场景之一。
图像信息隐藏的基本原理是在载体图像的像素值中嵌入待隐藏的信息。
通常，我们可以使用图像的最低有效位（LSB）进行嵌入操作。
LSB是指图像中像素值的最后一位，一般情况下，这个位上的变化对人眼来说是不可察觉的。
二、常用方法1. LSB替换法LSB替换法是信息隐藏中最为简单且常用的方法之一。
其基本原理是将待隐藏的数据按照一定的规则嵌入到载体图像的LSB位置。
具体步骤如下：（1）将待隐藏的数据转换为二进制形式；（2）读入载体图像，并将其像素值转换为二进制形式；（3）将待隐藏数据的二进制位逐一替换掉载体图像像素值的LSB位；（4）将嵌入了数据的载体图像保存至新文件。
2. 频域法频域法是一种将待隐藏的信息转换到载体图像的频域表示中，以实现更好的隐藏效果的方法。
其基本原理是将待隐藏的数据嵌入到载体图像的频域系数中，即对原始图像进行傅里叶变换，然后在频域中进行数据嵌入。
具体步骤如下：（1）载入待嵌入数据和载体图像；（2）对载体图像进行傅里叶变换，得到频域系数；（3）将待隐藏数据转换为频域表示；（4）将待隐藏数据嵌入到载体图像的频域系数中；（5）进行逆傅里叶变换，得到嵌入了数据的图像。
三、Matlab实现在Matlab中，可以使用以下函数和工具箱来实现信息隐藏操作：1. imread和imwrite函数：用于读取和保存图像；2. fft和ifft函数：用于傅里叶变换和逆傅里叶变换；3. bitget和bitset函数：用于获取和设置特定位上的二进制值。
LSB图像信息隐藏实验
学号：姓名：专业年级班级：实验室：组别：实验日期：课程名称保密技术实验实验课时实验项目名称和序号1.LSB图像信息隐藏实验同组者姓名实验目的1. 掌握对图像的基本操作。
2. 能够用 LSB 算法对图像进行信息隐藏3. 能够用 LSB 提取算法提取隐藏进图像的信息4. 能够反映 jpeg 压缩率与误码率之间的关系实验环境Windows+matlab实验内容和原理1．用 MATLAB 函数实现 LSB 信息隐藏和提取2．分析了 LSB 算法的抗攻击能力3．能随机选择嵌入位（考虑安全性因素）实验步骤方法关键代码实验算法 1：LSB 嵌入1.读取一副 256*256 大小的图片，判断是否为 RGB 图像。
若为 RGB 图像，则读取图像的一层信息（如 R 层）。
通过读取图像的尺寸大小来判断是否为RGB图像。
RGB图像是三维多彩图，size有3个参数，最小参数是3，只要判断读取到的图像大小大于2，就确定读入的是RBG图像2.以二进制形式读取要嵌入到图片里的消息。
并读取消息的长度（嵌入消息的长度不能超过图像位数）。
3.产生与消息长度一致的一串随机数（不能相同）。
自定义一个randinterval函数来实现伪随机数的生成产生的伪随机数是代表消息要隐藏的像素位置（行和列的信息）随机数代码：function [row,col]=randinterval(matrix,count,key)%randinterval.m%参数说明%matrix是载体矩阵，即要隐藏信息的图层%cout为要嵌入信息的像素数量%key为自定义秘钥，随机种子[m,n] = size(matrix);interval1 = floor(m * n/(count+eps)) + 1;interval2 = interval1 - 2;if interval2 == 0error('载体太小不能把秘密信息隐藏进去');endrand('seed',key);a = rand(1, count);row = zeros([1 count]);col = zeros([1 count]);r = 1;c = 1;row(1,1) = r;col(1,1) = c;for i =2:countif a(i) >= 0.5c = c + interval1;elsec = c + interval2;endif c > nr = r + 1;if r > merror('载体太小不能把秘密信息隐藏进去');endc = mod(c, n);if c == 0c = 1;endendrow(1, i) = r;col(1, i) = c;end4.按照产生的随机数的序列依次将图片层的最后一位改为消息的信息。
图像隐藏 MATLAB实验报告
图像隐藏MATLAB实验报告1. 引言图像隐藏是一种将秘密信息嵌入到数字图像中的技术。
通过这种技术，我们可以将信息隐藏在覆盖物看起来像是普通图像的数字图像中。
图像隐藏有许多应用领域，包括数字水印、版权保护和信息隐蔽通信等。
在这个实验中，我们将使用MATLAB实现图像隐藏的过程，并观察性能和影响因素。
2. 实验方法2.1 准备工作在开始实验之前，我们需要准备以下工作：- 安装MATLAB并确保其正确配置。
- 准备一些用作载体的数字图像。
在本实验中，我选择了一张常见的风景照片作为载体图像。
- 准备需要隐藏的秘密信息。
在本实验中，我选择了一段文字作为秘密信息。
2.2 图像隐藏过程图像隐藏的过程可以分为以下几个步骤：1. 加载载体图像和秘密信息。
2. 将载体图像转换为灰度图像。
这是因为在灰度图像中隐藏信息相对较简单且具有较好的效果。
3. 对灰度图像进行傅里叶变换。
这一步是为了将图像从空间域转换到频率域，以便于接下来的嵌入操作。
4. 将秘密信息嵌入到频率域图像中。
这一步需要选择适当的嵌入算法和参数，以在保证图像可视性的情况下实现信息的隐藏。
5. 对嵌入了秘密信息的频率域图像进行逆傅里叶变换，将图像转换回空间域。
6. 将隐藏了秘密信息的图像保存到文件中。
3. 实验结果经过以上步骤，我成功地实现了图像隐藏的过程，并观察到了以下结果。
首先，我将秘密信息隐藏到载体图像中，并将隐藏后的图像显示出来。
通过肉眼观察，我无法看出图像中隐藏了秘密信息，即图像的可视性并未受到明显的影响。
其次，我执行了一系列实验，通过改变隐藏算法和参数，以观察不同因素对隐藏效果的影响。
实验结果显示，隐藏算法和参数的选择对图像的可视性和隐藏效果都有显著的影响。
一些算法和参数可能会导致隐藏的秘密信息更难以被发现，而另一些则可能导致图像质量下降。
此外，我还测试了对隐藏信息进行提取的过程。
通过对隐藏了秘密信息的图像执行一系列解密操作，我成功地提取出了隐藏的秘密信息，并与预先准备好的原始秘密信息进行了比对。
可逆信息隐藏hs算法matlab
可逆信息隐藏是指在保证原始载体数据不受损的情况下，将需要隐藏的信息嵌入到载体数据中，并且可以在需要时将隐藏的信息提取出来。
可逆信息隐藏的应用场景非常广泛，可以用于数字水印、版权保护、隐私保护等领域。
其中，HS算法是一种经典的可逆信息隐藏算法，而MATLAB是一种功能强大的科学计算软件，结合两者可以实现对图像信息的可逆隐藏和提取。
1. 可逆信息隐藏原理可逆信息隐藏是利用载体图像的一些隐含特性来隐藏需要传输的信息，在不损害载体图像质量的前提下，能够完整、准确地提取出隐藏的信息。
可逆信息隐藏主要包括隐写与加密两个主要过程。
隐写是指将需要隐藏的信息写入到载体图像中，而加密则是对隐藏的信息进行加密处理，增强信息的安全性。
2. HS算法原理HS算法是一种经典的可逆信息隐藏算法，其核心思想是利用图像的直方图来隐藏信息。
具体来说，HS算法首先对载体图像进行预处理，然后通过对直方图的调整来实现信息的隐藏。
在提取信息时，再根据调整后的直方图来还原隐藏的信息。
HS算法的优点是对图像没有任何损害，并且隐藏的信息可以完整提取出来。
3. MATLAB在可逆信息隐藏中的应用MATLAB作为一个功能强大的科学计算软件，提供了丰富的图像处理和加密算法库，非常适合用于可逆信息隐藏的实现。
利用MATLAB，可以方便地对图像进行处理、隐藏信息，并且提供了丰富的工具函数，能够直观地展示信息隐藏的效果。
4. 可逆信息隐藏HS算法在MATLAB中的实现通过MATLAB可以很方便地实现可逆信息隐藏HS算法。
需要对载体图像进行预处理，以便后续信息的隐藏。
利用HS算法将需要隐藏的信息写入到载体图像中，并对隐藏的信息进行加密处理。
在需要提取信息时，通过对载体图像的处理和对修改后的载体图像进行比对，可以成功地提取出隐藏的信息。
5. 代码示例以下是一个简单的MATLAB代码示例，演示了如何使用HS算法实现可逆信息隐藏：```matlab读取载体图像carrier_image = imread('carrier.png');进行预处理processed_image = preprocess(carrier_image);隐藏信息hidden_image = HS_algorithm(processed_image,'hidden_message');提取隐藏的信息extracted_message = extract_hidden_message(hidden_image);显示提取的信息disp(extracted_message);```通过以上代码示例，可以清晰地看到MATLAB如何便捷地实现了可逆信息隐藏HS算法的过程，并成功地提取出隐藏的信息。
(绝对可运行)加密图像中的可逆数据隐藏算法matlab代码(基于张新鹏教授的算法)
%This is the program of Reversible Data Hiding in Encrypted Domain clc;clear;%===============Read image===========================original_p=rgb2gray(imread('LENA.tif'));[m,n]=size(original_p);%==============Image encryption====================== random_bits=rand(m,n*8)<=0.5;%伪随机序列for i=1:mfor j=1:ns=0;for k=0:7b(k+1)=mod(fix(double(origi nal_p(i,j))/(2Ak)),2);eb(k+1)=xor(b(k+1),random_bits(i,8*j+k-7)); s=s+eb(k+1)*(2A k);endencrypted_image(i,j)=s;endendfigure(1);subplot(1,2,1);imshow(original_p);hold on;title('Original image','fontsize',16);subplot(1,2,2);encrypted_image=uint8(encrypted_image);imshow(encrypted_image);title('Encrypted image','fontsize',16);%================Data embedding======================size=8; %分块大小N=6;%置乱周期number1=3;number2=N-number1;lim_row=fix(m/size); %图像的分块数lim_col=fix(n/size); %图像的分块数bitts=3;watermessage=rand(lim_row,lim_col)<0.5; %水印信息pseudo_randomly for i=1:lim_rowfor j=1:lim_col block_image{i,j}=encrypted_image((size*i-size+1):size*i,(size*j-size+1):size*j); % 分块for k=1:sizefor t=1:sizeindex=arnold(k,t,size,number1);%arnold is permutateion function;arno_block_image{i,j}(index(1)+1,index(2)+1)=block_image{i,j}(k,t); end end%数据嵌入sum0=zeros(size/2,size); if watermessage(i,j)==0 for k=0:7bbb{k+1}=mod(fix(double(arno_block_image{i,j}(1:size/ 2,:))/(2你)),2);if k<bitts bbb{k+1}=~bbb{k+1};endsum0=sum0+bbb{k+1}*(2A k);enddata_image{i,j}=[sum0;double(arno_block_image{i,j}(size/ 2+1:size,:))];endsum1=zeros(size/2,size);if watermessage(i,j)==1for k=0:7 bbb{k+1}=mod(fix(double(arno_block_image{i,j}(size/ 2+1:size,:))/(2Ak)),2);if k<bittsbbb{k+1}=~bbb{k+1};endsum1=sum1+bbb{k+1}*(2Ak);enddata_image{i,j}=[double(arno_block_image{i,j}(1:size/ 2,:));sum1];endfor k=1:sizefor t=1:size index=arnold(k,t,size,number2);%arnold is permutateion function;re_data_image{i,j}(index(1)+1,index(2)+1)=data_image{i,j}(k,t);endend%合成嵌入数据后的图像data_en_image((size*i-size+1):size*i,(size*j-size+1):size*j)=re_data_image{i,j};endend%=====Encrypt image which contains data====for i=1:lim_row*sizefor j=1:lim_col*sizes=0;for k=0:7b(k+1)=mod(fix(data_en_image(i,j)/(2Ak)),2);eb(k+1)=xor(b(k+1),random_bits(i,8*j+k-7));s=s+eb(k+1)*(2A k);endde_data_image(i,j)=s;endendfigure(2);hold on;subplot(1,2,1);imshow(original_p);title('Original image','fontsize',16);subplot(1,2,2);imshow(uint8(de_data_image));title('Decrypted image contains data','fontsize',16);%直接解密图像的峰值信噪比sumsss=0;for i=1:lim_row*sizefor j=1:lim_col*size sumsss=(de_data_image(i,j)-double(original_p(i,j)))A2+sumsss;endendmse=sumsss/((lim_row*size)*(lim_row*size));psnr=10*log10(255A2 /mse);%======Extract data and recover image=======for i=1:lim_rowfor j=1:lim_col block_de_image{i,j}=de_data_image((size*i-size+1):size*i,(size*j-size+1):size*j);%分块for k=1:sizefor t=1:size index=arnold(k,t,size,number1);%arnold is permutateion function;ar_block_de_image{i,j}(index(1)+1,index(2)+1)=block_de_image{i,j}(k,t);endendsum0=zeros(size/2,size);sum1=zeros(size/2,size);for k=0:7bbbO{k+1}=mod(fix(ar_block_de_image{i,j}(1:size/ 2,:)/(2你)),2);bbb1{k+1}=mod(fix(ar_block_de_image{i,j}(size/ 2+1:size,:)/(2A k)),2);if k<bittsbbb0{k+1}=~bbb0{k+1};bbb1{k+1}=~bbb1{k+1};endsum0=sum0+bbb0{k+1}*(2Ak);sum1=sum1+bbb1{k+1}*(2Ak);endar_H0_image{i,j}=[sum0;ar_block_de_image{i,j}(size/ 2+1:size,:)];ar_H1_image{i,j}=[ar_block_de_image{i,j}(1:size/ 2,:);sum1];for k=1:sizefor t=1:size index=arnold(k,t,size,number2);%arnold is permutateion function;H0_image{i,j}(index(1)+1,index(2)+1)=ar_H0_image{i,j}(k,t);H1_image{i,j}(index(1)+1,index(2)+1)=ar_H1_image{i,j}(k,t);endendf0=0;f1=0;for u=2:size-1for v=2:size-1f0=f0+abs(H0_image{i,j}(u,v)-(H0_image{i,j}(u-1,v)+H0_image{i,j}(u,v-1)+H0_image{i,j}(u+1,v)+H0_image{i,j}(u,v+1))/4);f1=f1+abs(H1_image{i,j}(u,v)-(H1_image{i,j}(u-1,v)+H1_image{i,j}(u,v-1)+H1_image{i,j}(u+1,v)+H1_image{i,j}(u,v+1))/4);endendif (f0-f1)<0extract_bits(i,j)=0; recover_image(size*i-size+1:size*i,size*j-size+1:size*j)=H0_image{i,j};elseextract_bits(i,j)=1; recover_image(size*i-size+1:size*i,size*j-size+1:size*j)=H1_image{i,j};endendendfigure(3);subplot(1,2,1);imshow(original_p);hold on;title('Original image','fontsize',16); subplot(1,2,2);recover_image=uint8(recover_image); imshow(recover_image);hold on; title('Recovered image','fontsize',16);%==============analysis============ diff=original_p(1:lim_row*size,1:lim_col*size)-recover_image;counts=0;for i=1:lim_rowfor j=1:lim_col block_diff{i,j}=diff((size*i-size+1):size*i,(size*j-size+1):size*j); %分块if extract_bits(i,j)~=watermessage(i,j) block_diff{i,j}=ones(size,size)*255;counts=counts+1;else block_diff{i,j}=original_p((size*i-size+1):size*i,(size*j-size+1):size*j);end diff_image((size*i-size+1):size*i,(size*j-size+1):size*j)=block_diff{i,j};endend figure(4); imshow(diff_image); hold on;%title('Blocks of incorrect','fontsize',16); %错误率与分块大小的关系rate=counts/((lim_row)*(lim_col))。
(完整word版)信息隐藏实验七DCT域图像水印
实验七DCT域图像水印（一）实验目的了解频域水印的特点，掌握基于DCT系数关系的图像水印算法原理，设计并实现一种基于DCT域的图像水印算法。
（二）实验环境1、W indows xp操作系统2、M atlab 7.1版本软件3、B MP图像（三）实验原理1、嵌入信息利用载体中两个特定DCT系数的相对大小来表示隐藏的信息。
载体图像分为8*8分块，进行二维DCT变换，分别选择其中的两个位置，比如用（u1, v1）和（u2，v2）代表所选定的两个系数的坐标。
如果Bi （u1，v1）<Bi （u2，v2），代表隐藏了1;如果相反，贝U交换两系数。
如果Bi （u1，v2）>Bi （u2，v2），代表隐藏0;如果相反，则交换两系数2、提取信息提取的时候接收者对包含水印信息的图像文件进行二维DCT变换，比较每一块中约定位置的DCT系数值，根据其相对大小，得到隐藏信息的比特串，从而恢复出秘密信息。
3、特殊处理引入一个Alpha变量对系数的差值进行控制，将两个系数的差值放大，可以保证提取秘密信息的正确性。
（四）实验步骤1、嵌入秘密信息。
2、提取秘密信息。
（五）实验截图1、图像显示截图原始图像 嵌入水印图像结果：所隐藏的信息为‘ 0123456789（六）代码附录图1-1原始图像和携密图像的对比图结果：在显示上两者基本无差别2、所含秘密信息截图图1-2提取秘密信息1、嵌入秘密信息clc;clear;msgfid=fope n('hidde n.txt','r');%打开秘密文件，读入秘密信息[msg,co un t]=fread(msgfid);coun t=co un t*8;alpha=0.02;fclose(msgfid);msg=str2bit(msg)';[le n, col]=size(msg);io=imread('le na.bmp');% 读取载体图像io=double(io)/255;output=io;i仁io(:,:,1)%取图像的一层来隐藏T=dctmtx(8);%对图像进行分块DCTrgb=blkproc(i1,[8,8],'P1*x*P2',T,T');% 对图像分块进行DCT 变换[row,col]=size(DCTrgb);row=floor(row/8);col=floor(col/8);%顺序信息嵌入temp=0;for i=1:co untif msg(i,1)==0if DCTrgb(i+4,i+1)<DCTrgb(i+3,i+2)% 选择(5,2)和(4,3)这一对系数temp=DCTrgb(i+4,i+1);DCTrgb(i+4,i+1)=DCTrgb(i+3,i+2);DCTrgb(i+3,i+2)=temp;endelseif DCTrgb(i+4,i+1)>DCTrgb(i+3,i+2) temp=DCTrgb(i+4,i+1);DCTrgb(i+4,i+1)=DCTrgb(i+3,i+2);DCTrgb(i+3,i+2)=temp;endendif DCTrgb(i+4,i+1)<DCTrgb(i+3,i+2)DCTrgb(i+4,i+1)=DCTrgb(i+3,i+2)-alpha;% 将原本小的系数调整更小，使得系数差别变大elseDCTrgb(i+3,i+2)=DCTrgb(i+3,i+2)-alpha;endend%将信息写回并保存wi=blkproc(DCTrgb,[8,8],'P1*x*P2',T',T);% 对DCTrgb 进行逆变换output=io;output(:,:,1)=wi;imwrite(output,'le na1.bmp');figure;subplot(1,2,1);imshow('lena.bmp');title('原始图像');subplot(1,2,2);imshow('lena1.bmp');title('嵌入水印图像');2、提取秘密信息clc;clear;wi=imread('le na1.bmp');wi=double(wi)/255;wi=wi(:,:,1)%取图像的一层来提取T=dctmtx(8);%对图像进行分块DCTcheck=blkproc(wi,[8,8],'P1*x*P2',T,T');% 对图像分块进行DCT 变换for i=1:80%80为隐藏的秘密信息的比特数if DCTcheck(i+4,i+1)v=DCTcheck(i+3,i+2)message(i,1)=1;elsemessage(i,1)=0;endendout=bit2str(message);fid=fope n('message.txt','wt');fwrite(fid,out);fclose(fid);(七)实验心得通过此次的实验，了解了频域水印的特点。
Matlab编程实现LSB信息的隐藏与提取
ｆｒｉｔ ｉ＝ 素序 列 的个 数 ： ＋） ｏ（ ； 像 ＝ ＜ ｉ ＋ Ｓ— Ｃ ／ ｉ 整 个 图 像 的 像 素集 合 ， Ｉ 我 们 顺 序 选取 的要 隐 ｌ ｉ ／ 为 Ｃ Ｓ是 ／ 信 息 的像 素 的集 合 ／ 藏
ｅ ｄｆ ｒ ｎ ｏ
２ 隐秘 原 理
Ｌ Ｂ 的嵌 入 方 法 是 首 先将 要 隐 藏 的 信 息 以二 进 制 的形 式 读 ｓ 人 ．再 按 照 一 定 的 算 法选 择 它 们 要 嵌 入 的 位 置 。如 果 要 隐藏 的
ｎ ｋ ／吏用 种子 ｋ随 机 生 成 序 列 ｋ — １ ／ ｆ ｉ ｆｒｉ １ ｉ＝ 密信 息 长 度 ： ＋ ｏ （＝ ； 秘 ＜ ｉ ） ＋
Ｓ ＋ ｎ 一Ｃｎ ＋ＩＭ ｉ ＿
ｎ－ｎ ｋ ＊ ＋ ｉ
ｅ ｄｆｒ ｎ ｏ
信 息 的某 一 位 为 １ ，则 它要 嵌 入 的 载 体 图像 相 应 位 置 的 像 素 值
ｅ ｄｆｒ ｎ ｏ
算 法 二 ：随 即 选 取像 素 点嵌 入算 法 ，即选 ｝ 的 嵌 入 信 息 的 ｝ ｛ 像 素 位 置 是 随 机 的 ，这样 可 以增 加 隐 秘 信 息 的 不 可 见性 。
秘 密 消 息 的嵌 入 ：
和 运 算 能 力 而 闻 名 ，用 以 实 现 图像 的处 理 非 常适 合 。 在 此 介 绍 了一 种 简 单 的 图 像 空 域 隐 藏 算 法 一Ｌ Ｂ （ 不 重 Ｓ 最 要 位 ） 隐秘算 法 。主要 是将 隐秘 信息 嵌 入到 图像 最 不 容易 发 觉 的 像 素位 ，即最 不 重要 位 。使 用 此算 法 的 优点 是 隐藏 效果 好 ，不会 破 坏原 图像 的效 果 ，隐 藏信 息 多等 ，从 而达 到 隐藏 信息 的 目的 。
LSB算法的MATLAB实现
LSB算法的MATLAB实现LSB（Least Significant Bit）算法是一种隐写术，用于在图像或音频中隐藏秘密信息。
在这种方法中，最不显著的比特位被用来存储隐藏的数据，这样可以尽量不对原始图像或音频造成明显的变化。
下面是MATLAB中实现LSB算法的步骤：1. 读入原始图像：使用`imread`函数将图像读入到MATLAB中。
例如，`image = imread('original_image.png');`2. 将图像转换为灰度图像：如果原始图像是彩色图像，则需要将其转换为灰度图像。
可以使用`rgb2gray`函数实现。
例如，`gray_image = rgb2gray(image);`3.将隐藏信息转换为二进制：将要隐藏的信息转换为二进制，并将其存储为一个向量或字符串。
4.检查隐藏信息长度：检查隐藏信息的长度是否小于图像中可用的像素数量。
如果隐藏信息过长，可能无法完全嵌入到图像中。
如果需要，可以考虑压缩或加密隐藏信息。
5.将隐藏信息嵌入到图像中：对于每个像素，在最不显著的比特位中存储隐藏信息。
可以使用位操作和移位操作来实现。
例如，如果要将隐藏信息的第一个比特位嵌入到像素的最不显著比特位上，可以使用以下代码：```matlabbit = 1; % 要嵌入的隐藏信息比特pixel = 100; % 图像中的一个像素值new_pixel = bitset(pixel, 1, bit); % 将bit设置为pixel的第一个比特位```6.将修改后的像素重新组装为图像：重复上述步骤，对每个像素进行处理，然后将修改后的像素重新组装为一个新的图像。
7. 保存隐藏信息的图像：使用`imwrite`函数将隐藏信息的图像保存到硬盘上。
例如，`imwrite(new_image, 'hidden_image.png');`8.提取隐藏信息：如果需要，可以使用类似的方法从隐藏信息的图像中提取出隐藏的信息。
编译 彻底隐藏函数的方法
编译彻底隐藏函数的方法（最新版3篇）目录（篇1）1.引言2.彻底隐藏函数的定义3.隐藏函数的实现方法4.隐藏函数的优点和局限性5.结论正文（篇1）1.引言在编程领域，保护自己的代码不被他人轻易查看和理解是一项重要的任务。
为了实现这一目标，程序员通常会将关键代码或算法封装成函数，使其在代码中不可见。
然而，这种方法并不能完全保证代码的安全性，因为黑客或竞争者仍然可以通过反编译等方式获取函数的实现细节。
因此，彻底隐藏函数的方法应运而生。
2.彻底隐藏函数的定义彻底隐藏函数是指将函数的实现细节完全隐藏，使得外部程序无法通过任何途径获得函数的具体实现。
这样做的目的是为了保护知识产权和商业机密，防止竞争者通过分析代码来复制或改进算法。
3.隐藏函数的实现方法实现彻底隐藏函数的方法有很多，以下列举几种常见的方法：(1) 采用编译器技巧：利用编译器的特性，将关键代码嵌入到编译后的二进制文件中。
这种方法的优点是隐藏效果较好，缺点是需要针对特定编译器进行优化，可能导致代码可移植性降低。
(2) 动态链接库：通过将关键代码封装成动态链接库（DLL），并在运行时动态加载，可以隐藏函数的具体实现。
这种方法的优点是代码可移植性好，缺点是可能在某些平台上性能较差。
(3) 代码混淆：对关键代码进行混淆处理，使其在保持功能不变的情况下，代码结构变得复杂、难以理解。
这种方法的优点是既可以隐藏代码实现，又可以提高代码安全性，缺点是可能导致代码体积增大。
4.隐藏函数的优点和局限性彻底隐藏函数的优点是可以有效保护知识产权和商业机密，防止竞争者轻易获得关键算法。
然而，这种方法也存在一定的局限性，如可能会影响代码的可移植性、性能和可维护性。
因此，在实际应用中，需要根据具体情况权衡利弊，选择合适的隐藏方法。
5.结论彻底隐藏函数是一种有效的代码保护手段，可以提高代码的安全性。
然而，实现这一目标需要付出一定的代价，如影响代码的可移植性、性能和可维护性。
基于Matlab的LSB信息隐藏技术
摘要随着科技的发展,信息安全技术已经成为不可忽略的因素。
而网络的普及及应用，让多媒体技术得到了广泛的发展，因此图像及视频的安全变得越来越重要。
本文正是在这种时代背景下，介绍一种关于图像处理的信息隐藏技术。
用于进行隐蔽通信的图像信息隐藏算法可以分为两大类：基于空域的信息隐藏算法和基于变换域的信息隐藏算法。
基于空域信息隐藏算法中的典型算法是LSB算法，该算法的主要特点是在载体图像中嵌入的隐藏信息数据量大，但是嵌入位置固定，安全性差，嵌入的隐藏信息易被破坏，鲁棒性不高；基于变换域信息隐藏算法中的典型算法是离散余弦变换域的信息隐藏算法，该算法嵌入信息能够抵御多种攻击，具有较好的鲁棒性，并且嵌入方式多种多样，增加了攻击者提取的难度，具有一定的安全性，但是该类算法嵌入的隐藏信息数据量较小，不适合于进行大数据量的隐蔽通信。
下面对LSB算法原理及LSB算法实现进行了介绍，最后使用MATLAB 对其隐藏过程进行了仿真。
[关键词]信息安全隐藏嵌入信息I目录一、设计要求 (3)二、设计的目的 (3)三、设计的具体实现 (3)3.1 信息隐藏及时空域信息隐藏概述 (3)3.2 LSB上的信息隐秘 (4)3.2.1 LSB上信息隐秘的原理 (4)3.2.2 LSB上的信息隐秘的过程 (5)3.3运用LSB实现秘密消息的隐藏 (6)3.4运用LSB实现秘密消息的差异对比 (9)3.5运用LSB实现秘密消息的提取 (12)3.6信息隐藏的拓展 (15)四、心得体会 (16)五、参考文献 (16)一、设计要求1.复习《信息安全技术导论》中有关LSB的相关知识。
2.对其算法进行详细研究与理论分析。
3.利用MATLAB编写程序并仿真结果。
4.设计报告中应包括具体设计原理、设计的详细说明书以及最终结果。
二、设计的目的1.了解并掌握LSB信息隐藏和提取的方法，具备初步的独立分析和设计能力；2.提高综合应用所学的理论知识和方法独立分析和解决问题的能力；3.训练用MATLAB软件编写程序并仿真。
基于matlab的信息隐藏代码实现（已处理）
Matlab期中作业标题基于matlab的信息隐藏代码实现姓名班级学号目录摘要- 2 -前言- 2 -一图像隐藏技术的研究现状- 2 -二实现图像隐藏的主要算法- 4 -三基于行列变换的图像置乱与反置乱算法 - 4 -31 图像置乱算法- 4 -32 图像反置乱算法- 5 -四基于m序列的图像加密与解密算法- 5 -五相关程序代码及运行结果- 5 -51 源代码 - 5 -52 运行结果- 7 -六参考文献- 8 -七总结- 8 - 摘要摘要近几年来国际上提出一种新的关于信息安全的概念信息隐藏技术所谓信息隐藏是利用多媒体信息普遍存在的冗余特性将秘密信息隐藏到一般的非秘密数字媒体文件如图像声音文档文件通常称之为掩护媒体中从而不让对手发觉的一种方法隐藏的动作称为嵌入掩护媒体经嵌入信息后称为伪装媒体信息隐藏的本质是利用人眼或人耳是一个不太灵敏的检测器将信息本身的存在性隐藏起来使人察觉不到有信息隐藏在媒体之中由于人对视觉的不敏感性及图像文件本身的数据量很大因此图像文件是信息隐藏很好的载体关键字信息安全信息隐藏图像文件载体前言现代信息隐藏技术自上个世纪九十年代中期出现以来已经成为数字通信信息安全和版权保护领域的重要研究课题并得到了越来越广泛的应用目前利用数字图像作为隐秘信息的载体已经成为主要的信息隐藏技术之一其基本原理是利用人体感觉器官对数字图像的感觉冗余将被隐藏的图像数据嵌入在某种载体图像中嵌入后隐秘图像与原始的载体图像几乎没有任何视觉上的差别很难被观察者和监视系统发现从而可以保证机密信息传输的安全性可以预见信息隐藏技术将是今后相当一段时间内的重要的隐蔽通信方式但是信息隐藏技术的发展也带来了一定的负面效果据美国媒体透露已经发现恐怖组织利用隐藏在图像中的信息传递联络情报甚至将计算机病毒隐藏在载体图像中进行传输这些都对国家安全和社会稳定产生了很大的威胁因此研究对图像中可能存在的各种隐藏信息进行有效检测的方法已经迫在眉睫因而基于图像的信息隐藏检测技术也就成为目前信息安全领域的重要研究课题目前图像信息隐藏技术可以分为空域法和频域法两大类空域法中使用最广泛和普遍的技术是像素最低比特位置换技术即LSB技术它是用隐藏信息比特位替换掉载体图像中最不重要的部分如像素点灰度值或颜色值的低比特位从而达到信息隐藏的目的这一方法的主要优点是嵌入算法和提取算法简单隐藏信息量大和较好的不可见性缺点是鲁棒性差对图像的各种操作如压缩剪切和加噪等都会使隐藏信息遭到破坏但是即便如此LSB方法仍然以其高不可见性在隐蔽数据通信中得到了广泛的应用频率域的图像隐藏算法大多使用扩展频谱通信技术将图像隐藏在载体图像的不同频率分量上因而具有更高的鲁棒性和不可见性事实上一个有效的信息隐藏算法无论是空域法还是频域法都不会改变原始图像的视觉效果但是却会改变其某种统计特征包括空间域统计特征和频率域统计特征两种因而要实现真正意义上的盲检测必须采用图像统计特征分析的方法根据检测所采用的统计特征的不同将图像盲检测算法分为以下三种1 基于时空域统计特征分析的盲检测算法目前比较成熟的有Fridrich提出的RQPRaw Quick Pair检测法这种算法普遍采用的图像统计特征是图像相邻像素点之间的相关性其理论基础是未嵌入隐藏信息的图像在直方图上相邻的数值代表灰度颜色值之间没有任何明显规律而隐藏信息后的直方图相邻值之间会出现明显的数值接近的规律当信息隐藏量较大时直方图相邻值之间几乎相等并且这些相邻值只是互相变化而不改变两者之和至于这些算法所采用的检测模型目前采用的主要是x2检验法它是通过直方图上相邻值的理论期望的概率分布即在嵌入服从均匀分布信息后的相邻值概率分布和实际概率分布即载体图像中实际获得的相邻值概率分布的对比分析存在的偏差是否大于给定的阈值来判断是否存在隐藏信息另外基于空域特征分析的盲检测算法还有A等人提出的PoVsParis of Values算法〔4〕基于稳健性统计特性和脆弱性统计特性的检测方法这些算法主要特点是一种针对图像本身而不是隐藏算法的检测方法其优点是适用性广可以对大多数采用LSB方法隐藏信息的图像进行检测但是这种算法的缺点是只能对图像隐藏的可能性给出一个概率分布检测效果受阈值选取的影响较大而且当隐藏图像的颜色数超过载体图像本身像素数的50时很难得到有效的检测效果另外空域统计特征属于一阶统计数据稳定性较差现在已经有一些隐藏软件如OutGuess已经可以在不改变这种一阶统计数据的情况下隐藏信息2基于频域统计特征分析的盲检测算法目前应用较广的基于频域统计特征分析的盲检测算法是由Farid等人提出来的一种基于高阶统计量的检测模型〔5〕即小波变换盲检测算法它主要是针对采用频率方法进行信息隐藏图像的检测其基本思想是通过对大量图像信息使用QMFsQuadrature Mirror Filters进行小波变换分解用可分离的低通和高通滤波器在图像的各个轴上生成垂直水平和对角线方向上的子频带从这些子频带系数中归纳出它们在各方向和数值范围内的均值方差熵和斜率等统计数据在此基础上使用分类器对这些统计数据进行分类将没有隐藏信息的图像和含有隐藏信息的图像区分开来从而达到隐藏信息盲检测的目的这种方法的优点是识别准确率高缺点是算法较复杂而且只是针对于图像本身来进行检测缺乏通用性美国空军技术学院AFIT也从事了高阶统计量方面的研究在小波变换检测算法的基础上提出了基于计算免疫系统的信息隐藏盲检测算〔11〕因而也是针对于频率域图像信息隐藏的检测这种算法的具体做法是首先建立不含隐藏信息的图像和含有隐藏信息的载体图像数据库并对库中所有图像进行小波分解得到所需的统计特征数据其次引入以生物免疫系统为基础发展起来的计算免疫系统技术将统计数据区分成活跃的本体和禁止或异常活跃的非本体接着按计算免疫系统方法分类的要求将统计特征编码成比特串以随机选取的方式从种群中生成最初的检测器使整个解空间都能被覆盖到再以负选择来淘汰与本体发生碰撞的检测器接着引入遗传算法按照遗传算法的流程依次反复对特征向量进行随机抽取杂交变异计算适合度值类聚自然选择等处理直到生成成熟的检测器当形成成熟的检测器后即可对被检测对象进行快速分类将含有隐藏信息的图像检测出来从而实现隐藏信息的盲检测这种隐藏信息检测算法弥补了小波变换检测算法的不足通用性强检测速度快具有较好的应用前景另外Niels Provos和Peter Honeyman等人提出了一种专门针对JPEG图像的信息隐藏盲检测算法〔912〕它采用的检测算法也是x检验法只不过检测的统计特征不再是时空域的像素灰度或颜色值分布而是频率域的DCT系数的分布该检测算法实现简单具有很高的灵敏性甚至可以检测到单个像素的改变而且对于嵌入信息量较大的图像还可以估计出嵌入信息的长度目前该算法能够检测出多种JPEG隐藏软件隐藏的图像如JStegJPhideOutGuess等3 基于空域和频域统计特征分析的盲检测算法目前能够同时利用图像的空域和频域统计特征进行盲检测的算法主要有两种一种是Lin G S和Lie W N提出的同时适用于时空域和频率域的图像信息盲检测算法其主要实现过程是在时空域它定义了一个描述相邻像素点之间灰度连续性和光滑性的特征量成为梯度能量当隐藏信息嵌入后会增加梯度能量在频率域定义了一个描述DCT系数的拉普拉斯分布以描述频域图像的状态根据以上两个统计特征量的改变判断出是否存在隐藏图像这种算法可以在保证误报率较低的情况下达到90的正确检测率缺点是特征量的选取要经过经验选择另一种是Ysmail Avcyba等人提出的一种基于图像质量统计分析的检测算法他首先总结出空域和频域范围内的26个共6大类的图像质量指标然后根据这些指标所描述的图像统计特征进行分析从而检测隐藏信息是否存在上述两种方法同时对图像的空域和频域统计检测稳定性强具有较高的检测精度因而也是未来盲检测技术发展的主要方向DCT 离散余弦变换域DWT 小波变换域等利用某种数学变换将图像用变换域表示通过改变图像的某些变换域系数加入待隐藏的信息然后再利用反变换来生成隐藏有秘密信息的图像具有较强的不可见性和稳健性隐藏信息量小实现难度较大空问域算法是使用最不重要的比特位和噪声控制来把秘密图像嵌入到载体图像中去抗攻击力较弱但隐藏信息量大且容易实现文中运用Matlab实现了基于空域LSB Least SignificantBit 的灰度图像隐藏与提取系统图像隐藏系统由置乱模块加密模块和嵌入模块组成置乱模块采用基于行列置换的置乱算法经过多次迭代处理将原始图像变换为灰度均衡的灰度图像迭代的次数作为密钥一加密模块借鉴通信系统中常用的伪随机序列加密的方法运用软件产生的序列对置乱后的图像进行加密处理序列的初始值作为密钥二经过置乱加密后的图像进入嵌入模块采用最低位隐藏方法将数据信息嵌入到载体图像中图像信息提取系统则由解隐藏解密和反置乱二部分组成基于行列变换的图像置乱与反置乱算法31 图像置乱算法图像可看作是平面区域上的二元函数Z F zY zY ∈R在绝大多数情况下区域R中任意的点 zY 则F zY 代表图像的信息如灰度值RGB分量值等表示图像的二元函数有其特殊性这就是相关性在图像被数字化之后zF z 则相应于一个矩阵其元素所在的行与列对应于自变量取值元素本身代表图像信息离散化的数字图像相应于元素之间有相关性的一类特别的矩阵矩阵的初等变换可以将图像转换成为另一幅图像但其置乱作用较差非线性交换则有可能增强置乱作用基于行列式计算方法的图像置乱算法设置原始图像A [口 J ]用置乱方法得到的图像为B则行列式置乱方法构造思想可表述为按某种规则R在A中选取不同行不同列的N 个灰度值再按另一种规则一放入B的第1行或者第1列中按规则R在A中剩余的元素中选取不同行不同列的N个灰度值再按规则r放入B的第2行或者第一2列按规则R在A中剩余的元素中选取不同行不同列的』＼『个灰度值再按规则r放入B的第3行或者第3列依次类推进行到N步则可以得到置乱后的图像B显然选取规则R不同或者放入规则r不同时得到的置乱方法也不同该类算法即为行列式图像置乱加密法如果每一步选取的规则R与放人规则r均不同可以想象这样的置乱算法是无穷多的下面具体构造一个比较简单的该类方法将A 中主对角线上的元素依次放入B的第一行既B的第一行B 1J 12 N将主对角线下面紧靠它的』＼一l元素依次放入B的第2行后面用A中第1行第』＼列卡选的元素A 1N 补齐即B 2J A J1J 12 N一1B 2N A 1N 以此类推可以得到该置乱算法的数学描述为B iJ A iJ一1J i 12NJ 12 N i 1B j A iJ一1一NJ i 12 NN N i十2N i 3 N即置乱后的图像B的每一行的灰度值来自A的不同行而列保持不变运行结果见图2图3是迭代三次和六次后的效果图可以看出经过多次迭代处理后的图像与原图像相似度接近于032 图像反置乱算法反置乱算法是置乱算法的逆过程基于m序列的图像加密与解密算法文中使用Matlab产生15位的m序列在这里产生m序列的初始值就是加密算法中的密钥为避免产生输出的全0序列就不能将寄存器的初始值全设为0从m 序列产生器可以看出只要初始值改变m序列就不同这就满足随机性以上初始值的运行结果为1XXXXXXXXXX0001然后将m序列与原图像像素的各位相异或就能达到加密的效果产生加密后的图像同样图像解密是图像加密的逆过程根据异或的特点A A0 B0B所以解密就是将加密后的图像与 z序列再异或一下就可以实现运行结果就是加密前的图像只要接收者使用此算法和密钥就可以实现解密读出原图像相关程序代码及运行结果51 源代码clear allclcstart_time cputimeI imread u 20045806623625903633fm 51gp 0[1]jpg I double I 255 I ceil Ifigure 1subplot 231imshow I title îtD￠ídimI size Irm dimI 1 cm dimI 2mark Ialpha 50k1 randn 18k2 randn 18a0 imread u 20045806623625903633fm 51gp 0[1]jpgpsnr_cover double a0subplot 232 imshow a0[] title ìí[rc] size a0cda0 blkproc a0[88]dct2cda1 cda0for i 1rmfor j 1cmx i-1 8y j-1 8if mark ij 1k k1elsek k2endcda1 x1y8 cda0 x1y8 alphak 1cda1 x2y7 cda0 x2y7 alphak 2cda1 x3y6 cda0 x3y6 alphak 3cda1 x4y5 cda0 x4y5 alphak 4cda1 x5y4 cda0 x5y4 alphak 5cda1 x6y3 cda0 x6y3 alphak 6cda1 x7y2 cda0 x7y2 alphak 7cda1 x8y1 cda0 x8y1 alphak 8endenda1 blkproc cda1[88]idct2a_1 uint8 a1imwrite a_1withmarkbmpbmpsubplot 233 imshow a1[] title èîtD￠oïμídisp èîtD￠′àíê±embed_time cputime-start_time52 运行结果源图像加密后解密后参考文献〔1〕汪小帆戴跃伟茅耀斌信息隐藏技术方法与应用北京机械工业出版社2001[2] wetstonetech com〔3〕 Jiri Fridrich MState of the Art SPIE 2002 46751 13 总结图像信息隐藏技术和图像加密技术都是新兴的技术具有极大的发展潜力两者的结合可以克服目前的信息隐藏技术中的很多弱点文中运用Matlab实现了基于空域LSB Least Significant Bit 的灰度图像隐藏与提取系统由于在进行图像隐藏前对原始图像信息进行了置乱和加密处理具有较高的安全强度能满足隐蔽通信等应用要求 - 8 -。
信息隐藏与数字水印实验教程课程设计
信息隐藏与数字水印实验教程课程设计课程设计简介信息隐藏和数字水印是一类在数字媒体内容中嵌入一些“隐蔽”的信息的可逆技术，其中信息隐藏以隐藏为目标，数字水印以鉴别为目标。
本课程设计是一款针对信息隐藏和数字水印技术的实验教程，旨在让学生了解信息隐藏和数字水印的基本概念、算法流程及实验操作。
实验教程实验1：LSB信息隐藏LSB信息隐藏是一种较为简单的信息隐藏技术，利用了图像或音频信号中的最低有效位（LSB）来储存信息。
本实验将让学生了解LSB信息隐藏的基本思路和实现流程。
实验步骤：1.安装Python编程环境和必要的库（numpy、pillow等）；2.编写Python代码实现将信息隐藏到图像中的最低有效位；3.对图像进行解密，将隐藏的信息提取出来并显示。
实验要求：1.能够了解LSB信息隐藏的原理；2.能够独立完成Python代码的编写和调试；3.能够对嵌入信息后的图像进行正确解密。
实验2：DCT数字水印DCT数字水印是一种在频域中实现数字水印嵌入到图像或视频信号中的可逆算法，其中DCT（离散余弦变换）是一种常见的频域转换方式。
本实验将让学生了解DCT数字水印的基本原理和实现方法。
实验步骤：1.安装MATLAB编程环境和必要的工具箱（image processing等）；2.编写MATLAB代码实现将数字水印嵌入图像中的DCT系数；3.对嵌入数字水印后的图像进行攻击，如JPEG压缩、调整亮度等；4.对加入攻击后的图像进行解密，将数字水印提取出来并验证。
实验要求：1.能够了解DCT数字水印的基本原理；2.能够独立完成MATLAB代码的编写和调试；3.能够对加入攻击后的图像进行正确解密和验证。
实验结论通过本次课程设计，学生能够了解信息隐藏和数字水印的基本概念，并通过实验了解LSB信息隐藏和DCT数字水印的基本算法和实现方式。
同时，学生也能够了解到数字水印的鲁棒性和对攻击的抵抗能力，以及对数字媒体内容可信度的提升。
使用Matlab进行数据加密与解密的实践指南
使用Matlab进行数据加密与解密的实践指南引言：数据加密与解密在现代信息安全领域中起着关键作用。
随着互联网的普及和数据传输量的急剧增加，保护数据安全和隐私变得尤为重要。
本文将介绍如何使用Matlab进行数据加密与解密，以帮助读者更好地理解和应用加密算法，保障数据安全。
一、加密算法简介在开始使用Matlab进行数据加密与解密之前，我们需要了解一些基本的加密算法。
加密算法主要分为对称加密算法和非对称加密算法两类。
1. 对称加密算法对称加密算法使用相同的密钥进行数据的加密和解密过程，加密和解密的算法是互逆的。
常用的对称加密算法有DES、3DES、AES等。
2. 非对称加密算法非对称加密算法使用一对密钥，分别为公钥和私钥。
公钥用于加密数据，私钥用于解密数据。
常用的非对称加密算法有RSA、DSA等。
二、使用Matlab进行对称加密Matlab提供了一些对称加密算法的实现，例如AES算法。
下面将以AES算法为例，介绍使用Matlab进行对称加密的实践指南。
1. 安装Matlab工具箱首先，确保已安装了Matlab工具箱。
在Matlab命令窗口中输入"ver"命令，查看是否安装了"Communications Toolbox"和"Cryptography Toolbox"。
2. 导入数据使用Matlab的"load"函数或者"imread"函数导入需要加密的数据。
如果需要加密的数据较大，可以考虑使用分块加密的方式。
3. 生成密钥使用Matlab提供的API生成加密所需的密钥。
在AES算法中，可以使用"gen_key"函数生成一个256位的密钥。
4. 加密数据调用Matlab提供的AES加密函数，将导入的数据和生成的密钥作为输入参数，即可完成加密过程。
加密后的数据将保存为二进制文件或者图像文件。
信息隐藏 实验十 LSB信息隐藏的卡方分析
实验十 LSB信息隐藏的卡方分析一，实验目的:了解什么就是隐写分析,隐写分析与信息隐藏与数字水印的关系。
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, Windows XP 操作系统2, Matlab软件3, BMP格式图片文件三，实验原理隐写术与隐写分析技术就是互相矛盾又就是相互促进的,隐写分析就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,它的主要目标就是为了揭示媒体中隐蔽信息的存在性,甚至只就是指出媒体中存在秘密信息的可疑性。
图像LSB信息隐藏的方法就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就是否含有秘密信息。
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 分析法与GPC分析法等。
卡方分析的步骤就是: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与h2i+1的值会相差很大。
秘密信息在嵌入之前往往经过加密,可以瞧作就是0、1 随机分布的比特流,而且值为0与1的可能性都就是1/2。
如果秘密信息完全替代载体图像的最低位,那么h2i与h2i+1的值会比较接近,可以根据这个性质判断图像就是否经过隐写。
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,但就是却不会改变h2i+h2i+1的值,因为样值要么不改变,要么就在h2i与h2i+1之间改变。
令显然这个值在隐写前后就是不会变的。
221*22i iih hh++=2212i ih hq+-=如果某个样值为2i,那么它对参数q 的贡献为1/2;如果样值为2i+1 ,对参数q 的贡献为-1/2。
LSB信息隐藏实验报告
Centr al South University信息隐藏实验报告学院: 信息科学与工程学院班级:信息安全1201学号:0909121724姓名:吕秋言时间: 2018年6 月实验一：基于图像的LSB信息隐藏一、实验目的该实验为验证性实验。
目的是通过实验使学生掌握经典信息隐藏算法，在Matlab环境下，编写基于图像的LSB信息隐藏算法程序。
用Matlab函数实现LSB信息隐藏及提取，并进行分析。
b5E2RGbCAP二、实验要求1、实验前要做好充分准备，包括：复习实验所涉及的知识点，掌握Matlab编程语言和调试环境。
2、实验时注意记录实验过程中产生的数据、出现的问题及解决问题的方法。
3、理论联系实际，认真分析实验结果，回答思考题。
4、实验后完成实验报告，并附相关截图。
三、实验环境计算机<安装Visual C++ 6.0和Matlab 6.5以上版本）四、实验原理隐秘算法核心是将我们选取的像素点的最不重要位依次替换成秘密信息,以达到信息隐秘的目的。
嵌入过程包括选择一个图像载体像素点的子集{j1,…,jl(m>},然后在子集上执行替换操作像素cji←→mi,即把cji的LSB与秘密信息mi进行交换(mi可以是1或0>。
一个替换系统也可以修改载体图像像素点的多个比特,例如,在一个载体元素的两个最低比特位隐藏两比特、三比特信息,可以使得信息嵌入量大大增加但同时将破坏载体图像的质量。
在提取过程中,找出被选择载体图像的像素序列,将LSB(最不重要位>排列起来重构秘密信息,算法描述如下:p1EanqFDPw嵌入过程:for(i=1。
i<=像素序列个数。
i++>si←cifor(i=1。
i<=秘密消息长度。
i++>//将选取的像素点的最不重要位依次替换成秘密信息sji←cji←→mi提取过程:for(i=1。
i<=秘密消息长度。
i++>{ i←→ji//序选取mi←LSB(cji>}五、实验内容与步骤基本演示环境：matlabLSB,Least Significant Bits，最低有效位，将图像加密处理。
实验3 FFT变换信息隐藏算法
信息隐藏技术实验报告一、实验目的（1）了解信息隐藏算法的分类方式和分类依据（2）理解频域变换信息隐藏算法的基本思想（3）理解DFT技术的基本理论（4）掌握DFT信息隐藏算法二、实验内容载体图像为8位bmp图像Lena.bmp，嵌入的秘密信息为从屏幕上随机输入的英文字母，要求对载体图像Lena.bmp进行fft变换，将秘密信息转换成二进制流并嵌入到载体图像的中频区域，显示原载体图像、需要嵌入的秘密信息及其相应的二进制流、嵌入了秘密信息的伪装载体。
（编程语言不限）三、实验步骤和设计思想1．用Matlab产生正弦波,矩形波,以及白噪声信号，并显示各自时域波形图2．进行FFT变换，显示各自频谱图，其中采样率，频率、数据长度自选3．做出上述三种信号的均方根图谱,功率图谱,以及对数均方根图谱4．用IFFT傅立叶反变换恢复信号，并显示恢复的正弦信号时域波形图四、程序清单fs=100;%设定采样频率N=128;n=0:N-1;t=n/fs;f0=10;%设定正弦信号频率%生成正弦信号x=sin(2*pi*f0*t);figure(1);subplot(231);plot(t,x);%作正弦信号的时域波形xlabel('t');ylabel('y');title('正弦信号y=2*pi*10t时域波形');grid;%进行FFT变换并做频谱图y=fft(x,N);%进行fft变换mag=abs(y);%求幅值f=(0:length(y)-1)'*fs/length(y);%进行对应的频率转换figure(1);subplot(232);plot(f,mag);%做频谱图axis([0,100,0,80]);xlabel('频率(Hz)');ylabel('幅值');title('正弦信号y=2*pi*10t幅频谱图N=128');grid;%求均方根谱sq=abs(y);figure(1);subplot(233);plot(f,sq);xlabel('频率(Hz)');ylabel('均方根谱');title('正弦信号y=2*pi*10t均方根谱');grid;%求功率谱power=sq.^2;figure(1);subplot(234);plot(f,power);xlabel('频率(Hz)');ylabel('功率谱');title('正弦信号y=2*pi*10t功率谱');grid;%求对数谱ln=log(sq);figure(1);subplot(235);plot(f,ln);xlabel('频率(Hz)');ylabel('对数谱');title('正弦信号y=2*pi*10t对数谱');grid;%用IFFT恢复原始信号xifft=ifft(y);magx=real(xifft);ti=[0:length(xifft)-1]/fs;figure(1);subplot(236);plot(ti,magx);xlabel('t');ylabel('y');title('通过IFFT转换的正弦信号波形');grid;%****************2.矩形波****************%fs=10;%设定采样频率t=-5:0.1:5;x=rectpuls(t,2);x=x(1:99);figure(2);subplot(231);plot(t(1:99),x);%作矩形波的时域波形xlabel('t');ylabel('y');title('矩形波时域波形');grid;%进行FFT变换并做频谱图y=fft(x);%进行fft变换mag=abs(y);%求幅值f=(0:length(y)-1)'*fs/length(y);%进行对应的频率转换figure(2);subplot(232);plot(f,mag);%做频谱图xlabel('频率(Hz)');ylabel('幅值');title('矩形波幅频谱图');grid;%求均方根谱sq=abs(y);figure(2);subplot(233);plot(f,sq);xlabel('频率(Hz)');ylabel('均方根谱');title('矩形波均方根谱');grid;%求功率谱power=sq.^2;figure(2);subplot(234);plot(f,power);xlabel('频率(Hz)');ylabel('功率谱');title('矩形波功率谱');grid;%求对数谱ln=log(sq);figure(2);subplot(235);plot(f,ln);xlabel('频率(Hz)');ylabel('对数谱');title('矩形波对数谱');grid;%用IFFT恢复原始信号xifft=ifft(y);magx=real(xifft);ti=[0:length(xifft)-1]/fs;figure(2);subplot(236);plot(ti,magx);xlabel('t');ylabel('y');title('通过IFFT转换的矩形波波形');grid;%****************3.白噪声****************%fs=10;%设定采样频率t=-5:0.1:5;x=zeros(1,100);x(50)=100000;figure(3);subplot(231);plot(t(1:100),x);%作白噪声的时域波形xlabel('t');ylabel('y');title('白噪声时域波形');grid;%进行FFT变换并做频谱图y=fft(x);%进行fft变换mag=abs(y);%求幅值f=(0:length(y)-1)'*fs/length(y);%进行对应的频率转换figure(3);subplot(232);plot(f,mag);%做频谱图xlabel('频率(Hz)');ylabel('幅值');title('白噪声幅频谱图');grid;%求均方根谱sq=abs(y);figure(3);subplot(233);plot(f,sq);xlabel('频率(Hz)');ylabel('均方根谱');title('白噪声均方根谱');grid;%求功率谱power=sq.^2;figure(3);subplot(234);plot(f,power);xlabel('频率(Hz)');ylabel('功率谱');title('白噪声功率谱');grid;%求对数谱ln=log(sq);figure(3);subplot(235);plot(f,ln);xlabel('频率(Hz)');ylabel('对数谱');title('白噪声对数谱');grid;%用IFFT恢复原始信号xifft=ifft(y);magx=real(xifft);ti=[0:length(xifft)-1]/fs;figure(3);subplot(236);plot(ti,magx);xlabel('t');ylabel('y');title('通过IFFT转换的白噪声波形'); grid;五、实验调试记录六、实验结果及其分析七、实验心得1、更深一步的理解了用窗函数设计FFT快速傅立叶变换的原理和方法;2、懂了FFT快速傅立叶的特性和各种窗函数对快速傅立叶特性的影响;3、学习用FFT对连续信号和时域分析进行频谱分析。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Matlab期中作业标题：基于matlab的信息隐藏代码实现姓名：********班级：********学号：********目录摘要----------------------------------------------------------------------------------------------------------------------------- - 2 -前言----------------------------------------------------------------------------------------------------------------------------- - 2 -一、图像隐藏技术的研究现状 ------------------------------------------------------------------------------------ - 2 -二、实现图像隐藏的主要算法 ------------------------------------------------------------------------------------ - 4 -三、基于行列变换的图像置乱与反置乱算法 ---------------------------------------------------------------- - 4 -3.1 图像置乱算法 ----------------------------------------------------------------------------------------------------- - 4 -3.2 图像反置乱算法-------------------------------------------------------------------------------------------------- - 5 -四、基于m序列的图像加密与解密算法----------------------------------------------------------------------- - 5 -五、相关程序代码及运行结果 ------------------------------------------------------------------------------------ - 5 -5.1 源代码 --------------------------------------------------------------------------------------------------------------- - 5 -5.2 运行结果 ------------------------------------------------------------------------------------------------------------ - 7 -六、参考文献------------------------------------------------------------------------------------------------------------ - 8 -七、总结 ------------------------------------------------------------------------------------------------------------------ - 8 -摘要【摘要】近几年来，国际上提出一种新的关于信息安全的概念——信息隐藏技术。
所谓信息隐藏是利用多媒体信息普遍存在的冗余特性，将秘密信息隐藏到一般的非秘密数字媒体文件(如图像、声音、文档文件，通常称之为掩护媒体)中，从而不让对手发觉的一种方法。
隐藏的动作称为嵌入，掩护媒体经嵌入信息后称为伪装媒体。
信息隐藏的本质是：利用人眼(或人耳)是一个不太灵敏的检测器，将信息本身的存在性隐藏起来，使人察觉不到有信息隐藏在媒体之中。
由于人对视觉的不敏感性及图像文件本身的数据量很大，因此，图像文件是信息隐藏很好的载体。
【关键字】信息安全信息隐藏图像文件载体前言现代信息隐藏技术自上个世纪九十年代中期出现以来，已经成为数字通信、信息安全和版权保护领域的重要研究课题，并得到了越来越广泛的应用。
目前利用数字图像作为隐秘信息的载体已经成为主要的信息隐藏技术之一，其基本原理是利用人体感觉器官对数字图像的感觉冗余，将被隐藏的图像数据嵌入在某种载体图像中，嵌入后隐秘图像与原始的载体图像几乎没有任何视觉上的差别，很难被观察者和监视系统发现，从而可以保证机密信息传输的安全性。
可以预见，信息隐藏技术将是今后相当一段时间内的重要的隐蔽通信方式。
但是信息隐藏技术的发展也带来了一定的负面效果，据美国媒体透露，已经发现恐怖组织利用隐藏在图像中的信息传递联络情报，甚至将计算机病毒隐藏在载体图像中进行传输，这些都对国家安全和社会稳定产生了很大的威胁。
因此，研究对图像中可能存在的各种隐藏信息进行有效检测的方法已经迫在眉睫，因而基于图像的信息隐藏检测技术也就成为目前信息安全领域的重要研究课题。
一、图像隐藏技术的研究现状目前，图像信息隐藏技术可以分为空域法和频域法两大类。
空域法中使用最广泛和普遍的技术是像素最低比特位置换技术，即LSB技术，它是用隐藏信息比特位替换掉载体图像中最不重要的部分，如像素点灰度值或颜色值的低比特位，从而达到信息隐藏的目的。
这一方法的主要优点是嵌入算法和提取算法简单，隐藏信息量大和较好的不可见性，缺点是鲁棒性差，对图像的各种操作如压缩、剪切和加噪等都会使隐藏信息遭到破坏。
但是即便如此，LSB方法仍然以其高不可见性在隐蔽数据通信中得到了广泛的应用；频率域的图像隐藏算法大多使用扩展频谱通信技术，将图像隐藏在载体图像的不同频率分量上，因而具有更高的鲁棒性和不可见性。
事实上，一个有效的信息隐藏算法，无论是空域法还是频域法，都不会改变原始图像的视觉效果，但是却会改变其某种统计特征，包括空间域统计特征和频率域统计特征两种。
因而要实现真正意义上的盲检测，必须采用图像统计特征分析的方法。
根据检测所采用的统计特征的不同，将图像盲检测算法分为以下三种：（1）基于时空域统计特征分析的盲检测算法目前比较成熟的有Fridrich提出的RQP（Raw Quick Pair）检测法。
这种算法普遍采用的图像统计特征是图像相邻像素点之间的相关性，其理论基础是未嵌入隐藏信息的图像在直方图上相邻的数值（代表灰度、颜色值）之间没有任何明显规律，而隐藏信息后的直方图相邻值之间会出现明显的数值接近的规律，当信息隐藏量较大时，直方图相邻值之间几乎相等，并且这些相邻值只是互相变化而不改变两者之和。
至于这些算法所采用的检测模型，目前采用的主要是x2检验法。
它是通过直方图上相邻值的理论期望的概率分布（即在嵌入服从均匀分布信息后的相邻值概率分布）和实际概率分布（即载体图像中实际获得的相邻值概率分布）的对比，分析存在的偏差是否大于给定的阈值来判断是否存在隐藏信息。
另外，基于空域特征分析的盲检测算法还有A Westfeld等人提出的PoVs （Paris of Values）算法［4］，基于稳健性统计特性和脆弱性统计特性的检测方法。
这些算法主要特点是一种针对图像本身而不是隐藏算法的检测方法，其优点是适用性广，可以对大多数采用LSB方法隐藏信息的图像进行检测。
但是这种算法的缺点是：只能对图像隐藏的可能性给出一个概率分布，检测效果受阈值选取的影响较大，而且当隐藏图像的颜色数超过载体图像本身像素数的50%时很难得到有效的检测效果。
另外，空域统计特征属于一阶统计数据，稳定性较差，现在已经有一些隐藏软件如OutGuess已经可以在不改变这种一阶统计数据的情况下隐藏信息。
（2）基于频域统计特征分析的盲检测算法目前应用较广的基于频域统计特征分析的盲检测算法是由Farid等人提出来的一种基于高阶统计量的检测模型［5］ ，即小波变换盲检测算法。
它主要是针对采用频率方法进行信息隐藏图像的检测。
其基本思想是通过对大量图像信息使用QMFs（Quadrature Mirror Filters）进行小波变换分解，用可分离的低通和高通滤波器在图像的各个轴上生成垂直、水平和对角线方向上的子频带。
从这些子频带系数中归纳出它们在各方向和数值范围内的均值、方差、熵和斜率等统计数据，在此基础上使用分类器对这些统计数据进行分类，将没有隐藏信息的图像和含有隐藏信息的图像区分开来，从而达到隐藏信息盲检测的目的。
这种方法的优点是识别准确率高，缺点是算法较复杂，而且只是针对于图像本身来进行检测，缺乏通用性。
美国空军技术学院（AFIT）也从事了高阶统计量方面的研究，在小波变换检测算法的基础上提出了基于计算免疫系统的信息隐藏盲检测算［11］，因而也是针对于频率域图像信息隐藏的检测。
这种算法的具体做法是：首先建立不含隐藏信息的图像和含有隐藏信息的载体图像数据库，并对库中所有图像进行小波分解得到所需的统计特征数据；其次引入以生物免疫系统为基础发展起来的计算免疫系统技术，将统计数据区分成活跃的本体和禁止或异常活跃的非本体，接着按计算免疫系统方法分类的要求，将统计特征编码成比特串，以随机选取的方式从种群中生成最初的检测器，使整个解空间都能被覆盖到，再以负选择来淘汰与本体发生碰撞的检测器；接着引入遗传算法，按照遗传算法的流程依次反复对特征向量进行随机抽取、杂交、变异、计算适合度值、类聚、自然选择等处理，直到生成成熟的检测器。
当形成成熟的检测器后，即可对被检测对象进行快速分类，将含有隐藏信息的图像检测出来，从而实现隐藏信息的盲检测。
这种隐藏信息检测算法弥补了小波变换检测算法的不足，通用性强，检测速度快，具有较好的应用前景。
另外，Niels Provos和Peter Honeyman等人提出了一种专门针对JPEG图像的信息隐藏盲检测算法［9,12］ ，它采用的检测算法也是x 2检验法，只不过检测的统计特征不再是时空域的像素灰度或颜色值分布，而是频率域的DCT系数的分布。
该检测算法实现简单，具有很高的灵敏性，甚至可以检测到单个像素的改变，而且对于嵌入信息量较大的图像，还可以估计出嵌入信息的长度。
目前该算法能够检测出多种JPEG隐藏软件隐藏的图像，如JSteg，JPhide，OutGuess 等。
（3）基于空域和频域统计特征分析的盲检测算法目前能够同时利用图像的空域和频域统计特征进行盲检测的算法主要有两种，一种是Lin G S和Lie W N提出的同时适用于时空域和频率域的图像信息盲检测算法，其主要实现过程是：在时空域，它定义了一个描述相邻像素点之间灰度连续性和光滑性的特征量，成为梯度能量，当隐藏信息嵌入后会增加梯度能量；在频率域，定义了一个描述DCT系数的拉普拉斯分布，以描述频域图像的状态。