这是一种最经典、最基础的数字隐写技术，其核心思想是将秘密信息嵌入到载体文件（如图片、音频、视频）的像素或采样值的最低有效位中,以达到人眼或人耳无法察觉的目的。
（图片来源网络，侵删）
核心原理
要理解LSB隐写,首先要明白数字文件的本质。
- 数字图像：一张灰度图像可以看作是一个二维的像素矩阵，每个像素的值（0-255）用一个字节（8位）表示。
- 数字音频：一段音频可以看作是一系列采样值的序列,每个采样值也通常用一个或多个字节表示。
最低有效位（LSB）是指一个二进制数最右边的那一位，它在整个数值中所占的权重最小,改变它对数值本身的影响也最小。
举个简单的例子：
假设我们有一个像素的灰度值是 200，其二进制表示为 11001000。
- 如果我们将其LSB（最后一个
0）改为1，新值变为11001001，即十进制的201。 - 我们再看另一个像素，值是
15，二进制为00001111，将其LSB改为0，新值变为00001110，即十进制的14。
视觉/听觉影响：
（图片来源网络，侵删）
- 对于图像，像素值从200变为201，人眼几乎无法分辨出任何差异，因为颜色是由8位共同决定的，最低一位的变化只改变了颜色的1/256。
- 对于音频，同理，采样值的微小变化在人耳可接受的误差范围内,通常是听不出来的。
LSB隐写的原理就是利用这一点：
- 嵌入：将秘密信息（可以是文本、图片、甚至另一个文件）转换成二进制流（0和1的序列），用这个二进制流去替换载体文件中像素/采样值的最低有效位。
- 提取：从含有秘密信息的载体文件中，提取出所有像素/采样值的最低有效位，将这些0和1重新组合,就能恢复出原始的秘密信息。
实现步骤
1 嵌入过程
假设我们要将一段秘密文本 "Hi" 隐藏到一张名为 cover.png 的图片中。
步骤 1: 准备载体和秘密信息
- 载体图像：
cover.png，假设其尺寸为 800x600，共 480,000 个像素。 - 秘密信息：文本 "Hi"。
步骤 2: 秘密信息预处理
（图片来源网络，侵删）
- 将文本 "Hi" 转换成二进制，通常使用ASCII编码：
- 'H' 的 ASCII 码是 72，二进制为
01001000 - 'i' 的 ASCII 码是 105，二进制为
01101001
- 'H' 的 ASCII 码是 72，二进制为
- 将它们拼接起来，得到秘密信息二进制流：
01001000 01101001，为了方便提取，我们通常会在这串二进制前加上一个“文件头”或“长度前缀”，10101010作为标记，后面再跟上实际的二进制数据，最终的秘密二进制流可能是：10101010 01001000 01101001。
步骤 3: 遍历载体像素
- 读取
cover.png的所有像素值，按顺序（例如从左到右，从上到下）处理。
步骤 4: 替换LSB
- 取秘密二进制流的第一个比特
1。 - 取载体图像的第一个像素值，假设其二进制为
11001010。 - 将像素值的最低位替换为
1，新的像素值变为11001011。 - 取秘密二进制流的第二个比特
0。 - 取载体图像的第二个像素值，假设其二进制为
10101100。 - 将像素值的最低位替换为
0，新的像素值变为10101100（这个例子中值没变）。 - 重复此过程,直到所有秘密信息比特都被嵌入。
步骤 5: 生成隐写图像
- 将修改后的所有像素值写回一张新的图像文件，
stego.png，这张stego.png就是包含了秘密信息的“隐写图像”，从外观上看，它与原始的cover.png几乎一模一样。
2 提取过程
我们有了 stego.png，想要提取出隐藏的 "Hi"。
步骤 1: 加载隐写图像
- 读取
stego.png的所有像素值。
步骤 2: 遍历像素并提取LSB
- 按照与嵌入时完全相同的顺序,依次读取每个像素值的最低有效位。
- 将这些提取出的比特（0或1）组合成一个长长的二进制流。
步骤 3: 解析二进制流
- 我们知道嵌入时在开头加了一个标记
10101010,我们首先从提取的二进制流中寻找这个标记。 - 找到标记后，标记后面的数据就是我们的秘密信息，假设我们提取到的二进制流是
...10101010 01001000 01101001...。 - 截取标记后的部分：
01001000 01101001。
步骤 4: 还原原始信息
- 将这个二进制流按8位一组进行分割：
01001000-> 72 -> 'H'01101001-> 105 -> 'i'
- 拼接起来，就得到了原始的秘密信息 "Hi"。
优缺点分析
优点
- 高容量：对于一张 24-bit 的真彩色图像（每个像素3个字节，即24位），理论上可以隐藏相当于原始图像大小 1/8 的秘密信息，一张 1MB 的图片可以隐藏约 125KB 的秘密数据。
- 高不可见性：嵌入后的图像与原始图像在视觉上几乎没有差异,非常隐蔽。
- 实现简单：算法逻辑清晰，编程实现相对容易,是学习数字隐写的绝佳入门技术。
缺点
- 脆弱性：这是LSB最大的弱点，任何对图像的轻微修改，如压缩（如转换为JPEG格式）、裁剪、旋转、调整亮度/对比度、滤波等操作，都有大概率会破坏被嵌入在LSB中的秘密信息,导致提取失败或信息错误。
- 安全性低：
- 易被检测：虽然人眼看不见，但LSB隐写会改变图像的统计特性，原始图像的像素值分布通常是平滑的，而LSB隐写后，所有像素值的最低位被强行设置为0或1，会导致图像的某些统计特征（如直方图）出现异常，容易被专门的检测工具（如
stegdetect）发现。 - 无加密：LSB隐写本身不提供加密功能，如果攻击者知道使用的是LSB方法，他可以直接尝试提取所有像素的LSB来寻找秘密信息，这相当于“明文”隐藏。
- 易被检测：虽然人眼看不见，但LSB隐写会改变图像的统计特性，原始图像的像素值分布通常是平滑的，而LSB隐写后，所有像素值的最低位被强行设置为0或1，会导致图像的某些统计特征（如直方图）出现异常，容易被专门的检测工具（如
改进与变体
为了克服LSB的缺点,人们提出了许多改进算法：
- LSB匹配/LSB替换：为了避免像素值在0和255之间变化时导致的“边界效应”（将
255的LSB从1改为0，会变成254，而将0的LSB从0改为1，会变成1，这种不对称性容易被检测），可以采用随机化的方法，要嵌入比特b，如果当前LSB是b，则不变；如果不同，则以50%的概率将像素值加1，50%的概率减1。 - LSB平面隐写：不仅仅是替换最低一位，而是替换最低的几位（如LSB-2, LSB-3），这会增加嵌入容量，但会降低图像的不可见性,更容易被察觉。
- 随机化LSB嵌入：在嵌入前，对像素位置进行随机排序，这使得攻击者难以通过分析像素的顺序来破解,增强了安全性。
- 自适应LSB隐写：根据图像的局部复杂度来决定嵌入的强度，在平坦区域（如天空），嵌入一位就足够；在纹理复杂区域（如草地），可以嵌入更多位,因为人眼对这些区域的噪声不敏感。
应用场景
- 数字版权保护：在数字作品中嵌入作者信息、版权声明或序列号,用于追踪非法分发。
- 秘密通信：在不引起第三方怀疑的情况下，通过公开渠道（如发布一张图片）传递秘密信息。
- 数据防伪：在证件、票据等数字图像中嵌入难以伪造的标记,用于真伪鉴别。
- 数字水印：在图像中嵌入版权信息，但通常更鲁棒的算法（如变换域水印）比LSB更适合此场景。
LSB隐写技术是数字隐写的基石，它以其简单、高效和良好的隐蔽性而闻名，它的脆弱性和低安全性也使其在面对有针对性的攻击或图像处理操作时显得力不从心，尽管如此，理解LSB的原理对于掌握更高级的隐写和水印技术至关重要,许多现代复杂的隐写算法都是在LSB的思想基础上发展而来的。
