♻️ 资源大小4.14MB➡️资源下载https://download.csdn.net/download/s1t16/87425377一、Word文档简介Microsoft Word是当今全世界使用最普遍的文字处理软件。Word给人们的日常办公和文字编辑带来了极大的便捷。随着网络和通信的发展Word作为电子文档的标准格式之一在各种基于Web的系统中应用非常广泛。Microsoft Word的存储格式随着它的新版本的变化而变化而Microsoft公司并不对外公开Word文档的存储格式Word文档的文字、图片、表格等显示信息通过自己的CSS来描述而且有自己自定义的命名空间Word文档是一种以字符信息和格式信息为主要内容的具有多种信息的文件Word文档是一种OLE的复杂文档Word文档分简单文档和复杂文档但是由于Word 97以后都有Piece table可以不用区别这两种文档为了能在各国文字之间通用Word文档采取了Unicode同时考虑到有的文字是全字符的Word采用压缩方式并且用ASCII码来表示字符以尽可能的减少存储量文字格式和段落格式的存储也具有自己的特点在它的文件中有一份默认的格式而文字和段落格式的保存都采用的是“差额保存”而且将格式一样的连续文字作为run统一保存此做法可以节省大量的空间因此较大的word文档的存储空间并不会太大。二、Word文档格式的发展Microsoft Office Word 2007提供了一种新的默认文件格式叫MicrosoftOffice Word XML格式该种格式基于开放打包约定(Open PackagingConventions)XML Paper Specification(XPS)也是基于这个约定Microsoft Office97到Microsoft Office 2003中使用的二进制文件格式仍然可以作为一种保存格式来使用但是它不是保存新文档时的默认文档。在1999年Microsoft通过Microsoft Office Excel 2002中的Spreadsheet ML将XML引入了Microsoft Office XP当中。Spreadsheet ML是一个良好的开始但是它没有提供完全真实的功能。在下一个版本的Microsoft Office产品中Microsoft Office Word 2003引入了Word processing ML。Word processing ML是非常重要的一步因为它是Microsoft Office提供的第一个完全真实的XML文件格式。通过Microsoft Office 2003您可以解析Word processing ML文件向其中添加、更新或处理数据。但是仍然存在着一些限制。例如您必须将二进制文件(例如图片)编码为XML文件中的文本如果文件中包含大量图片的话这必然会增加文件的尺寸。另外Word 2003直接将所有自定义XML数据嵌入到描述文档的Word processing ML当中。这样使得自定义XML难于访问和处理所有的外部过程。Word 2007中新的XML文件格式将文件分成一些文档部件文件的部分内容通过每个这样的部件定义这样就可以方便的实现当您希望查看或者更改文件中的某些内容的时候您可以快捷地查找您想得到的文档部件然后编辑它。例如文字格式而其它的基于XML的文档部件不会受到任何影响。类似的所有的自定义XML数据都有它自己的部件。现在处理自定义的XML就更加简单的。这允许您使用很少的代码来生成文档。新的文件格式更加的强大并且可以更为简单地处理自定义XML而且它比二进制文件格式要更小。新的文件格式使用开放打包约定利用ZIP技术。三、XML格式的开放打包约定开放打包约定指定了Word 2007文档中新文件格式的结构。为了理解一个Word 2007文档的结构您必须理解这种新文件格式中的三个主要组成部分(1)部件项。包解压后的文件与部件项形成一一对应的关系。例如如果您右击一个Microsoft Office Excel工作簿然后选择提取它您将会看到一个workbookxml文件一些sheetnxml文件和其它的一些文件。这些文件都是包中的文档部件。(2)内容类型项。内容类型项是对一个文档部件存储的文件类型的描述。例如imagejpeg表示了一个JPEG图片。这种描述允许一些工具例如MicrosoftOffice和其他工具来修改它的内容进而确定它其中的内容。(3)关系项。关系项描述几个部件项是如何组成和链接成一个文档的。关系在文档包中是以XML部件存储的例如relsrels。四、Word 2007文档包Word 2007提供了一种新的默认文件格式叫做Microsoft Office WordXML(Word XML格式)其默认的保存格式为docx”文档占用空间在改变格式后有一定程度的缩减。Word 2007文档包除了主文档documentxml外还包括stylesxml它定义了文档的样式themelxml定义文档的模板Documentxmlrels用于重新将这些组件组合成一个完整文档用的指示文件等。这种格式有一个压缩的ZIP包组成包中包括文档所有的内容如图所示(一)Word 2007文档部件Word包中的内容由一些逻辑部件组成每个部件的内容是一个特定的文档部分这些可以使第三方方便的完成Word 2007文档的组建例如(1)格式定义(2)注释(3)列表定义(4)文档内容(5)页眉(6)图表(7)图片(8)关系图在包中Word文档中的每一部分都由一个单独的部件来表示。这些部件可以由XML文件组成例如包含标记的Word XML格式的文档部件和一些附加的内容(例如二进制的图片或嵌入的OLE文件)。所有的这些都包含在包中但是更为重要的是实际的文件目录结构是任意的通过开放打包约定定义的一些除外。文件的有效性不是由文件结构决定的而是由包中文件的关系决定的。您可以重新排布和命名ZIP容器当中的任何部件当保证了正确无误的更新关系和保证文档部件之间正确的关联关系的情况下。更新容器中的部件后如果这种关联关系是正确的那么您就可以打开文档。Word 2007文档的初始文件结构只是一种Word创建的默认结构它使得您可以轻松的定位文件的组成。只要您保证文档部件之间正确的关联关系那么您可以修改这种文件结构。例如在Word 2007中容器文件代表了一个文档。在容器文件中文档由按序排布的部件组成。例如一个Word 2007文件可能会包含一些下列的目录和文件(1)[Content_Types]xml 描述文件中包含的所有的内容类型。(2)rels folder 存储所有指定部件的相关联的关系部件。(3)rels file称为关系部件描述了文档结构中的起始关联关系。(4)datastore folder包含文档中的自定义XML数据部件(自定义XML数据部件是一个XML文件您可以将节点绑定到文档的内容控件中)。(5)itemlxml file包含了一些文档中出现的数据(例如一些自定义XML数据部件)。(6)docProps folder包含了一些应用程序的属性部件。(7)Appxml file包含了一些应用程序特定的属性。(8)Corexml file包含了所有基于开放打包约定的文档格式的通用文件属性。为了理解基于Microsoft Office Open XML格式(Office XML格式)的组成您可以将它的所有部件提取出来。要打开这个文件您需要在您的计算机中安装一个ZIP工具例如WinRAR。您可以通过以下步骤在Word 2007中打开一个WordXML格式(1)创建一个临时目录存储文件及其部件。(2)创建一个Word 2007文档包括文本图片以及其它信息保存为一个docx文件。(3)在文件名的末端添加一个zip扩展名。(4)双击文件。这时将会在ZIP应用程序当中打开该文件。您可以查看组成文件的每个部件。(5)将这些部件提取到刚才创建的临时目录当中。(6)集成的ZIP压缩可以将文件的尺寸减少75。文件最终被分成一些模块化的文件结构它使得数据的恢复更为可能并且增强了安全性。新的格式将文件分成了不同的组件从而可以独立的管理和修复。以新格式创建的文件也可以根据不同的文件类型拥有一些特殊的扩展名如下表所示。(二)Word 2007中documentxml格式分析Documentxml是Word 2007的主XML文档一些信息隐藏方案都是在这个xml文档中进行的。如上图所示为用Bandizip解压软件打开一个后缀为docx的文件docx格式的文件实际上是一个ZIP文件将一个docx文件的后缀改为ZIP后是能够用解压工具例如WinRAR、Bandizip等打开或着解压的实际上Word 2007的基本文件可以看做是docx文件的容器。docx格式文件的主要内容是以XML格式保存的文件是直接保存在一个ZIP文件中而不是直接保存于磁盘然后将文件取扩展名为docx如果将其后缀改为ZIP后解压可以发现解压出来的文件夹中有word这样一个文件夹其中包含了Word文档的大部分内容。而其中的documentxml文件则包含了文档的主要文本内容。上图是一个Word 2007文档包中的documentxml的截图元素wdocument中的主文档所引起的文档部件的关系是一系列名字空间wbody是指正文元素包含了文档的各个段(wp)每个段包含一个或多个文本域(wr)每个文本域又包含一个或多个文本块(wt)文字的属性字体、颜色等子属性被包含在wrPr元素中文字的RGB值是由weolor的属性wval的属性值描述的元素wp的属性wrsidR、wrsidRr、wrsidRDefault、wrsidP以及wr的属性wmidRr就是“修改标志”。在wp一个自然段落中wrsidR(Revision Identifier for Paragraph)指定唯一一个标识符用来跟踪编辑在修订时表行标识如果出现差异那么表示这个段落在后面的编辑中被修改作用在文档修改中记录修改的信息尤其是合并等情况。特性只是属性没有特殊意义可以关闭信任中心“存储随机数以改善合并准确性”。wrsidP(Revision Identifier for Paragraph Properties)是段落属性修改标识符。wrsidRPr(Revision Identifier for Table Row Glyph Formatting)是段落字形修改标识符用来跟踪编辑在修改时字符或字形发生的改变所有段落都应该拥有相同的属性值如果出现差异那么表示这个段落在后面的编辑中被修改。wrsidRDefault(Revision Identifier for Runs)是默认的版本标识符“wrsidR”属性变化之前的默认属性也就是版本属性。在wr(一个样式串即文本的显示样式)中(1)段落中以相连续的中文或英文字符字符串作为开始和结束。目的就是要把一个段落中的中英文字符区分开来。(2)当中文字符有属性时比如粗、斜、下划线时候也会用wr进行分割和标识并且会含有一个修改标识的属性wrsidRPr。每当Word文档被打开编辑时都会生成1个独一无二的ID号这个ID号被保存在“修改标识”的属性值里面而且它是随机产生的一个字符串和时间等没有关系。大量的“修改标识”存在于documentxml文件中。如上图中第4行w:rsidP00D1EED0、w:rsidR00B15B20、w:rsidRDefault00B15B20、w:rsidRPr00913DB4和第24行的w:rsidP00F1B6AB、w:rsidR00B15B20、w:rsidRDefault00B15B20、w:rsidRPr00913DB4且“修改标识”属性值共8位。五、基于Word 2007的信息隐藏算法(一)算法思想在Word 2007文档中嵌入秘密信息后的载密文档需要满足1)载密对象(嵌入秘密信息后的载密文档)必须满足Word XML格式的要求。2)载密对象必须能够正常显示和使用。经研究发现修改Word 2007文件中documentxml的某些“修改标识的属性值并不会影响文档的正常显示和使用。“修改标识”属性值共8位前两位一般为“00”可以选择“修改标识”属性值的后六位为修改位。经实验验证对Word2007文档的修改wp中以下的三个修改标识的属性值不会发生变化因此隐藏信息的“修改标识”最好选取wp元素中的wrsidRwrsidPwrsidRr本算法选取修改标识wrsidP属性值的后六位用于信息隐藏。信息隐藏、提取的流程图如下图所示(二)基于Word XML算法的实现(1)信息隐藏i)读取Word 2007文档中的documentxml(载体文档T)输入秘密信息M以及一个长度不小于T中修改标识个数的随机二进制串S2(由0、1组成)ii)将与S1异或后的秘密信息M转换为十六进制串M_hiii)按顺序查找T中待修改标识并判断S2中对应位置的值是否为1若为1转iv)否则转iii)iv)判断M_h中剩余元素是否还有6位若不够则在剩余元素后填充0使其长度达到6位并用此串替换对应的修改标识转v)否则取出M_h的连续6位并替换对应的修改标识判断M_h中是否还有元素若有则转iii)否则转v)v)T中继续查找待修改标识并把此标识替换为一个特定的标识(如6个0)vi)生成载密文档并替换T结束。(2)信息提取i)读取Word 2007文档中的documentxml(载体文档T)输入随机二进制串S2秘密信息M赋值为空串ii)按顺序查找T中待修改标识若此标识为特定标识转iii)。否则判断S2中对应位置的值是否为1若为1转iii)否则转ii)iii)取出修改标识中对应的后6位并把其连接到已得到的秘密信息M后。转ii)iv)把M转换为二进制字符串与S1异或得到隐藏的明文信息。(三)基于Word XML算法的具体实现待隐藏信息“杨旭东1410658”其16进制编码为“D1EED0F1B6AB31343130363538”在后面补充“0”成为6的倍数并且添加结束标记“000000”新的串为“D1EED0F1B6AB313431303635380000000000”将其按6个一组划分之后存入wrsid属性值之中。在修改之前原始wrsid属性值均为w:rsidP00B15B20如下图修改之后变为要隐藏的内容分别是w:rsidP00D1EED0隐藏信息开始w:rsidP00F1B6ABw:rsidP00313431w:rsidP00303635w:rsidP00380000隐藏信息结束w:rsidP00000000结束标记篇幅有限只截取了其中三个修改位置如下图隐藏后对载体文件无影响对比如下提取就是直接将wrsid属性值后六位提取并拼接解码后得到隐藏信息对比可知成功提取详细代码用MATLAB实现在“代码与结果”文件夹中其中“encode.m”是嵌入“decode.m”是提取。六、算法分析该算法的基础是Word 2007文档采用的新的Word XML格式这种格式使得该算法容易实现。只用抽取documentxml单个文档就可以实现该算法。(1)透明性隐藏秘密信息后的载密对象与原始载体对象相比在正常情况下主观上是很难察觉到载体对象的变化。隐藏后的载体文件与原始载体文件只存在细小差别例如大小的细小差别但是视觉上完全一样。它的透明性也称不可感知性或者隐蔽性非常好。很好的满足信息隐藏基于隐蔽性的基本要求。(2)鲁棒性对文档的“修改标识”的属性值进行修改正常情况下该隐藏算法容易实现而且容易提取。经实验验证人为的对Word 2007文档实施一些攻击行为例如改变字体、改变文字大小、删除文字等等wp中以下的三个“修改标识”的属性值不会发生变化因此隐藏信息的“修改标识”最好选取wp元素中的wrsidRwrsidPwrsidRr本算法选取修改标识wrsidP属性值的后六位用于信息隐藏。(3)嵌入容量documentxml文件中的“修改标识”的数量非常可观可隐藏的信息量相对较大。但由于不是所有的“修改标识”都用来进行隐藏信息因此隐藏信息的量与传统算法相比有所减小但隐秘性增加安全性更高。秘密信息采用十六进制编码替换“修改标识”的属性值后六位相当于一个属性值可以隐藏24位二进制数的秘密信息。也就是说假如隐藏5000位二进制秘密信息那么需要“修改标识”的属性值的个数为50006*4个隐藏秘密信息的容量很可观但是与既有算法的隐藏容量相比该算法隐藏秘密信息的容量有所下降。(4)不可检测性隐藏后载体中“修改标识”的属性值仍然是以“00”开头且隐藏位置是由伪随机序列中“1”的位置确定在无法获知密钥的情况下非法拦截者几乎不能确定被修改的“修改标识”的属性值的位置因此也不可能获得隐藏的秘密信息。