基于網(wǎng)絡(luò)爬蟲的數(shù)字隱寫圖像采集系統(tǒng)設(shè)計與實(shí)現(xiàn).pdf

1、作為一種新型的信息隱藏技術(shù)，無載體信息隱藏技術(shù)近年來逐漸成為信息隱藏領(lǐng)域的研究熱點(diǎn)之一?；趫D像的無載體信息隱藏的重要特點(diǎn)是不修改原圖像的任何數(shù)據(jù)，而是構(gòu)建圖像和隱秘信息之間的映射關(guān)系，或者利用秘密消息構(gòu)造圖像實(shí)現(xiàn)信息隱藏。為了進(jìn)一步降低受到攻擊和分析的可能性，不引起第三方注意，無載體信息隱藏通常采用存在網(wǎng)絡(luò)上的、熱門圖像作為載體。熱門圖像，一般依附于Internet文本信息而存在，比如熱門新聞，熱門微博等。然而數(shù)以億計的圖像分布在In

2、ternet的各個角落，因此如何有效地從Internet中采集到熱門圖像成為了無載體信息隱藏的一個重要的問題。
　　目前，按照特定的策略持續(xù)進(jìn)行資源發(fā)掘和收集的功能模塊比較多，網(wǎng)絡(luò)爬蟲是公認(rèn)最有效的工具之一。又由于基于圖像的無載體信息隱藏的一個重要指標(biāo)就是不引起非合作方的懷疑。在通過傳遞圖像的組合來表示秘密消息時，若所選圖像在內(nèi)容等方面存在邏輯的不合理性時，無載體信息隱藏極容易引起非合作方的懷疑，對所傳遞的圖像進(jìn)行攻擊。所以在構(gòu)建

3、圖像組合時必須是邏輯、內(nèi)容合理的圖像進(jìn)行組合，即在無載體信息隱藏時，應(yīng)該將內(nèi)容相關(guān)的一組圖像作為備選圖像，這樣就會涉及到圖像相似度的計算和圖像的檢索。因此，本文綜合運(yùn)用主題網(wǎng)絡(luò)爬蟲、網(wǎng)頁信息抽取、文檔去重、檢索等技術(shù)，設(shè)計并實(shí)現(xiàn)一個熱門圖像的采集系統(tǒng)，為無載體信息隱藏構(gòu)建完備的圖像集合。
　　本文實(shí)現(xiàn)的熱門圖像采集系統(tǒng)包括網(wǎng)頁數(shù)據(jù)采集模塊、網(wǎng)頁信息抽取與分析模塊、圖像檢索模塊等。其中，網(wǎng)頁數(shù)據(jù)采集模塊是對Heritrix爬蟲進(jìn)行擴(kuò)

4、展，負(fù)責(zé)采集目標(biāo)網(wǎng)站的網(wǎng)頁;網(wǎng)頁信息抽取分析模塊主要是利用抽取規(guī)則和Jsoup解析器，將所需信息從網(wǎng)頁中抽取出來，并對網(wǎng)頁進(jìn)行去重，計算出熱門新聞;圖像檢索模塊是通過Lucene索引工具，將顏色特征和紋理特征建立索引，達(dá)到圖像相似度檢索的功能。論文重點(diǎn)分析了上述各模塊的實(shí)現(xiàn)機(jī)理，并利用相應(yīng)的開發(fā)工具實(shí)現(xiàn)了各個模塊，從實(shí)測結(jié)果看，論文所構(gòu)建的熱門圖像采集系統(tǒng)能自動收集熱門圖像，并根據(jù)圖像的基本特征，為所收集的圖像建立索引，滿足了實(shí)際項目的