MATLAB实现基于传统哈希的局限性

傷城~ 2024-04-06 11:44 23阅读 0赞

### 一、实验目的：感受传统哈希对输入的敏感性以及其在多媒体领域应用的局限性 ###

### 二、实验内容： ###

1）将数字图像空域像素点的值进行微调
    
     2）对数字图像进行传统哈希处理，计算摘要值
    
     3）观察分析原图像与改动后图像摘要值的变化情况

### 三、实验过程 ###

1、使用 imread 读取图像

方法：message=imread(file\_name);

说明：图片文件的数据即一个二维数组，这个二维数组存储着一张灰度图片各个像素点的灰度值。

2、对图像某些像素点进行细微的调整

方法：

%原值
    message(1,1);
    %160
    message(340,340);
    %190
    message(50,20);
    %114
    message(20,50);
    %93

% 改变初始阵列，观察哈希值

message_change_1(1,1)=159;
    message_change_2(340,340)=191;
    message_change_3(50,20)=93;
    message_change_3(20,50)=114;

说明：新设三个原图像矩阵的拷贝，调整二维数组特定位上的数值大小，即可改变图片中该像素点的灰度值，在此次试验中只对很少位的灰度值做细微调整。

3、使用 sha-1 算法计算哈希摘要

方法：

%使用SHA-1算法
    algs='SHA-1';
    h1=hash(message,algs)
    h2=hash(message_change_1,algs)
    h3=hash(message_change_3,algs)

说明：另外使用 hash 函数生成摘要值，algs 为所使用的算法，hash 函数展示说明如下：

function h = hash(inp,meth) %输入算法和待操作字符串
    inp=inp(:);
    %把输入矩阵中的数值按列的顺序排为一列
    % convert strings and logicals into uint8 format 
    if ischar(inp) || islogical(inp) 
    inp=uint8(inp); else % convert everything else into uint8 format without loss of data 
    inp=typecast(inp,'uint8');
    %转换数据类型
    end 
    % verify hash method, with some syntactical forgiveness: 
    meth=upper(meth);
    switch meth %允许使用的算法
    case 'SHA1' 
    meth='SHA-1';
    case 'SHA256' 
    meth='SHA-256';
    case 'SHA384' 
    meth='SHA-384';
    case 'SHA512' 
    meth='SHA-512';
    otherwise 
    end 
    algs={'MD2','MD5','SHA-1','SHA-256','SHA-384','SHA-512'};
    if isempty(strmatch(meth,algs,'exact')) 
    error(['Hash algorithm must be ' ... 
    'MD2, MD5, SHA-1, SHA-256, SHA-384, or SHA-512']);
    end 
    x=java.security.MessageDigest.getInstance(meth);
    %java接口，使用Java 自带的加密类
    x.update(inp);
    %对输入序列进行处理
    h=typecast(x.digest,'uint8');
    %转换数据类型
    h=dec2hex(h)'; 
    if(size(h,1))==1 % remote possibility: all hash bytes 128, so pad: 
    h=[repmat('0',[1 size(h,2)]);h]; %B = repmat(A,[m,n])，将矩阵 A 复制 m×n 块，即把 A 作为 B 的元素，B 由 m×n 个 A 平铺而成。size（h，2）：获取矩阵h的列数。将摘要值平铺到一行
    end 
    h=lower(h(:)');
    %将hash值转换为小写字符串
    clear x 
    Return

### 四、测试数据 ###

![在这里插入图片描述][7a3438ed25c9468696e98bb60d4ba828.png]

figure 4-1 原图与微调后的各图片

![在这里插入图片描述][91c11c343a614b02a74c87eef733ab9d.png]

figure 4-3 观察图像以二维矩阵存储

![在这里插入图片描述][0067b1cfe9034aef85912e033cf80fde.png]

figure 4-2 变换前原图中(0,0) (340,340) (50,20) (20,50) 四个位置处的灰度值

![在这里插入图片描述][751015ba365f4367bc32bea3e4e27a84.png]

figure 4-4 各图片生成的哈希摘要

### 五、实验结果 ###

由该实验可得，传统哈希对输入十分敏感，虽然语义内容相同，但只要像素大小有微小变动得到的摘要值完全不同，无法满足多媒体内容的感知鲁棒性。

[7a3438ed25c9468696e98bb60d4ba828.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/c9ae8e01365e4147b8dfe402f0248207.png
[91c11c343a614b02a74c87eef733ab9d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/20d7c984ff9442c99a243fe151a285e2.png
[0067b1cfe9034aef85912e033cf80fde.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/93188e337be740ef9cc177b702a58180.png
[751015ba365f4367bc32bea3e4e27a84.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/06/75878ea370514b40a8fe6755734b9672.png