内容摘要：把一张图片塞进另一张图片里，肉眼看不出来，文件大小也几乎不变——这不是魔术，是F5隐写做的事。F5这个算法最早由德国学者Andreas Westfeld在2001年提出，专门针对JPEG格式。它的核心

把一张图片塞进另一张图片里，隐写肉眼看不出来，隐写文件大小也几乎不变——这不是隐写魔术，是隐写F5隐写做的事。F5这个算法最早由德国学者Andreas Westfeld在2001年提出，隐写专门针对JPEG格式。隐写它的隐写核心思路不复杂：JPEG压缩过程中会产生大量量化后的DCT系数，F5就挑那些绝对值大于1的隐写系数，通过加减1来嵌入秘密信息。隐写改动幅度极小，隐写图像质量几乎不受影响。隐写

我第一次接触F5是隐写在一个CTF比赛里。题目给了一张看似普通的隐写风景照，要求找出隐藏的隐写flag。用binwalk扫了一遍，隐写没发现附加文件；用steghide试了试，密码不对。后来换了F5专用的提取工具，输入候选密码，flag就出来了。那一刻我才意识到，隐写术的坑比想象中深——不同算法对应不同检测和提取方式，工具选错了，怎么试都白搭。

F5到底怎么改像素

JPEG图像经过DCT变换和量化后，每个8×8块得到64个系数。其中高频系数经常是0，低频系数值较大。F5不碰0和±1，只在绝对值大于1的系数上做文章。嵌入规则是：如果要嵌入的比特和系数当前奇偶性一致，就不动；不一致就把绝对值减1。比如系数是-3，要嵌入0（偶数），-3是奇数，那就变成-2。系数是5，要嵌入1（奇数），5已经是奇数，保持不变。

这个操作有个副作用：系数绝对值减1后可能变成±1甚至0，这些位置后续不能再用来嵌入。为了控制这种“收缩”现象，F5引入了矩阵编码。简单说，每嵌入n个比特，只改动1个系数。具体到F5，常用的是(1, 2^n-1)矩阵码，比如n=3时，每7个比特最多改1个系数。这样嵌入效率高，对图像的扰动也小。

为什么F5不是万能的

F5有个致命弱点：它只减不加。系数绝对值只会变小，不会变大。这导致直方图出现不对称——原本成对出现的系数值（比如2和-2、3和-3）在嵌入后，绝对值大的那一侧会减少，小的那一侧相对增多。卡方分析就是抓这个特征。具体做法是统计相邻系数值的出现频率，如果某对系数的频率差异显著偏离自然图像应有的分布，就判定存在隐写。

我做过一个对比实验：用F5往同一张512×512的灰度图里嵌入500字节数据，再用卡方检测跑一遍，P值直接掉到0.01以下。换成分散隐写或者OutGuess，P值还能维持在0.3左右。这说明F5的抗检测能力确实一般，尤其是在嵌入率较高的时候。

实际用的时候注意什么

F5工具链不算友好。原始实现是Java写的，命令行参数复杂，文档也少。后来有人移植到Python，但兼容性参差不齐。我建议直接用Docker拉一个预装好F5环境的镜像，省得折腾依赖。密码方面，F5支持用户自定义密钥，但密钥空间有限，弱密码很容易被暴力破解。CTF里经常出现“密码是123456”这种送分题，现实场景可别这么干。

另外，F5对图像质量有要求。如果原图压缩率太高，量化系数本身就很稀疏，可用嵌入位置少，强行塞数据会导致视觉失真。一般来说，JPEG质量因子在75以上的图片比较适合。质量因子低于50的，嵌入容量和隐蔽性都会大打折扣。

检测方面，除了卡方分析，还有基于DCT系数直方图傅里叶变换的方法，以及利用深度学习做隐写分析的。后者在近年论文里准确率能到90%以上，但需要大量训练数据。普通安全从业者，掌握卡方和RS分析基本够用。

F5隐写不算前沿技术，但它把隐写术的核心矛盾摆得很清楚：容量、隐蔽性、鲁棒性，三者不可兼得。选F5就是选了容量和实现简单，牺牲了抗检测能力。知道这个边界，用起来才不会翻车。