Skip to content
KitploitKITPLOIT
StrumentiBlog
Log in
Invia
StrumentiBlog
Invia

Strumenti di Hacking, PenTest e Cybersecurity per il tuo Arsenale di Sicurezza!

Kitploit è una directory di strumenti di hacking, cybersecurity e pentesting. Scopri gli ultimi aggiornamenti dei progetti per trovare vulnerabilità, analizzare sistemi, automatizzare i test e rafforzare la tua sicurezza.

FeedContattoPrivacy© 2026 Kitploit

Directory degli strumenti

Categorie

Vedi tutte le categorie
Loading categories
Strumenti/GitHubGitHub/tancik/stegastamp
SteganografiaMachine Learning
GitHubtancik/stegastamp

StegaStamp

Hyperlink invisibili nelle fotografie fisiche

Vedi RepositorySito web
872225852 anni faRevisionato da Kitploit
Condividi

StegaStamp: Collegamenti Ipertestuali Invisibili in Fotografie Fisiche [Pagina del Progetto]

CVPR 2020

Matthew Tancik, Ben Mildenhall, Ren Ng Università della California, Berkeley

Introduzione

Questo repository è un rilascio del codice per il rapporto ArXiv disponibile qui. Il progetto esplora la possibilità di nascondere dati nelle immagini mantenendo la similarità percettiva. Il nostro contributo è la capacità di estrarre i dati dopo che l'immagine codificata (StegaStamp) è stata stampata e fotografata con una fotocamera (questi passaggi introducono corruzioni nell'immagine). Questo repository contiene il codice e i modelli preaddestrati per replicare i risultati mostrati nell'articolo. Inoltre, il repository contiene il codice necessario per addestrare i modelli di codifica e decodifica.

Citazione

Se trovi utile il nostro lavoro, considera di citarlo:

    @inproceedings{2019stegastamp,
        title={StegaStamp: Invisible Hyperlinks in Physical Photographs},
        author={Tancik, Matthew and Mildenhall, Ben and Ng, Ren},
        booktitle={IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
        year={2020}
    }

Installazione

  • Clona il repo e installa i sottomoduli
git clone --recurse-submodules https://github.com/tancik/StegaStamp.git
cd StegaStamp
  • Installa tensorflow (testato con tf 1.13)
  • È richiesto Python 3
  • Scarica le dipendenze
pip install -r requirements.txt

Addestramento

Codificatore / Decodificatore

  • Imposta il percorso del dataset in train.py
TRAIN_PATH = DIR_OF_DATASET_IMAGES
  • Addestra il modello
bash scripts/base.sh EXP_NAME

L'addestramento viene eseguito in train.py. Ci sono diversi iperparametri, molti corrispondenti ai parametri di augmentazione. scripts/bash.sh fornisce un buon punto di partenza.

Rilevatore

Il codice di addestramento per il modello di rilevamento (usato per segmentare gli StegaStamp) non è incluso in questo repository. Il modello utilizzato nell'articolo è stato addestrato usando il modello BiSeNet rilasciato qui. CROP_WIDTH e CROP_HEIGHT sono stati impostati a 1024, tutti gli altri parametri sono rimasti predefiniti. Il dataset è stato generato posizionando casualmente StegaStamp deformati su immagini più grandi.

Tensorboard

Per visualizzare l'addestramento, esegui il seguente comando e naviga su http://localhost:6006 nel tuo browser.

tensorboard --logdir logs

Codificare un Messaggio

Lo script encode_image.py può essere utilizzato per codificare un messaggio in un'immagine o in una directory di immagini. Il modello predefinito si aspetta un segreto codificato in utf-8 di lunghezza <= 7 caratteri (messaggio di 100 bit -> 56 bit dopo ECC).

Codificare un messaggio in un'immagine:

python encode_image.py \
  saved_models/stegastamp_pretrained \
  --image test_im.png  \
  --save_dir out/ \
  --secret Hello

Questo salverà sia lo StegaStamp che il residuo applicato all'immagine originale.

Decodificare un Messaggio

Lo script decode_image.py può essere utilizzato per decodificare un messaggio da uno StegaStamp.

Esempio di utilizzo:

python decode_image.py \
  saved_models/stegastamp_pretrained \
  --image out/test_hidden.png

Rilevare e Decodificare

Lo script detector.py può essere utilizzato per rilevare e decodificare StegaStamp in un'immagine. È utile nei casi in cui siano presenti più StegaStamp o lo StegaStamp non riempia l'intero fotogramma dell'immagine.

Per utilizzare il rilevatore, assicurati di scaricare il modello del rilevatore come descritto nella sezione Installazione. La risoluzione video consigliata per l'input è 1920x1080.

python detector.py \
  --detector_model detector_models/stegastamp_detector \
  --decoder_model saved_models/stegastamp_pretrained \
  --video test_vid.mp4

Aggiungi il flag --save_video FILENAME per salvare i risultati.

Il flag --visualize_detector può essere utilizzato per visualizzare l'output della rete del rilevatore. La maschera corrisponde alla maschera di segmentazione, i poligoni colorati sono adattati a questa maschera di segmentazione usando un insieme di euristiche. Gli output del rilevatore possono essere rumorosi e sono sensibili alle dimensioni dello StegaStamp. Un'ulteriore ottimizzazione della rete di rilevamento non è esplorata in questo articolo.

Scarica lo strumento

Più Popolari

Vedi tutti →

Scopri gli strumenti più utilizzati dalla nostra community.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Il toolkit OSINT definitivo: grafo di indagine, punteggio di affidabilità, famiglie di alias, mappa, timeline e report. 49 moduli, oltre 400 siti, nessuna chiave API richiesta.

    755
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # App di esecuzione con un tocco GhostLock (CVE-2026-43499)

    510
  • 3

    ARTEX

    baarai/artex

    Piattaforma di penetration testing autonoma multi-agente basata su LLM con agenti planner/worker, grafi di asset e di esplorazione, registrazione del traffico MITM e retesting delle vulnerabilità.

    415
  • 4

    redforge

    cybersecurity91/redforge

    Toolkit red team lato browser con 102 strumenti offline per ricognizione, generazione di payload, attacchi alle credenziali, crittografia, codifica e reportistica dell'engagement.

    343
  • 5

    antifox

    antifox-ai/antifox

    Piattaforma multi-agente di penetration testing autonoma basata sull'IA che esegue ricognizione, scoperta della superficie d'attacco, validazione dello sfruttamento e consegna di report supportati da evidenze.

    259
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Il sistema d'azione per la cybersecurity nativa AI—dove l'intento diventa esecuzione governata, le evidenze diventano memoria operativa, e ogni operazione migliora la successiva.

    258

Esplora tutti gli strumenti

Sfoglia la nostra collezione di strumenti

Vedi tutti gli strumenti →