凌晨三点，渗透图片我盯着屏幕上一张JPG图片的渗透图片十六进制代码，光标在"FF D8 FF E0"和"FF D9"之间来回跳动。渗透图片这张看起来是渗透图片普通风景照的图片，文件大小2.3MB，渗透图片分辨率1920×1080，渗透图片拍的渗透图片是黄昏时分的海岸线。但我知道，渗透图片在EXIF数据段的渗透图片末尾，藏着不该存在的渗透图片东西。

图片隐写术不是渗透图片科幻电影里的黑科技。它就像把一张纸条塞进空心书里——只不过书页变成了像素的渗透图片亮度值，纸条变成了加密后的渗透图片二进制流。最基础的渗透图片LSB（最低有效位）替换法，能把信息藏在每个颜色通道的渗透图片最后一位上。肉眼根本分辨不出那个蓝色是#0000FE还是#0000FF，但计算机能精确读出这0.1%的色差里埋着的秘密。

我见过最绝的案例，是某个黑客组织把完整的PDF文件拆成碎片，分别藏进了一百张猫的照片里。每张猫图只改动不到1%的像素，下载者需要按特定顺序拼接这些图片，再提取最低有效位重组数据。整个过程就像一场数字世界的寻宝游戏，而密钥就藏在某张猫图的瞳孔反光中——他们甚至把瞳孔的高光部分当成了天然的噪点掩护。

真正的技术对抗发生在统计层面。普通的LSB嵌入会让图片的颜色直方图出现规律性偏移，就像地毯上被踩出了一条虽然细微但方向明确的小径。所以进阶的隐写工具会模仿自然噪声分布，把数据伪装成传感器热噪或JPEG压缩痕迹。我测试过一款商业软件，它嵌入了50KB的数据后，图片的PSNR（峰值信噪比）仍然保持在45dB以上——这个数值意味着连专业检测工具都难以分辨真伪。

但道高一尺魔高一丈的戏码永远在上演。去年我参与过一次取证分析，目标图片是一张会议合照。我们用卡方检验扫描像素值分布，发现蓝色通道的奇偶值比例异常均衡——正常照片不会出现如此完美的50:50。顺着这个线索，我们提取出了一份完整的服务器密码表。对方大概没想到，他们精心设计的隐写方案，败给了最基本的统计学原理。

现在很多社交平台会自动压缩图片，这反而成了隐写术的天然掩护。微信朋友圈的图片会被转成640像素宽、质量系数85的JPEG，这种有损压缩会摧毁大部分隐写痕迹，但同时也让检测变得更加困难——因为平台本身的处理就产生了大量噪声，隐写数据混在里面，就像在一锅乱炖里藏一片特定味道的菜叶。

我桌上还放着那张黄昏海岸线的图片。它的秘密不在像素里，而在EXIF的"拍摄时间"字段中——那串时间戳经过两次Base64解码后，是一串坐标，指向这座城市某个废弃地铁站的通风口。有时候，最危险的秘密就藏在最显眼的地方，就像那张图片的标题写着"假期愉快"，但没人会想到，这四个字本身才是真正的密钥。