音频隐写术：如何将秘密信息藏进声音里？

音频隐写术利用人耳对细微变化的感知盲区，把文字、密钥甚至完整的文件埋进一段普通的声音中。听起来像是魔法，却全凭数学和信号处理的巧妙配合。

音频隐写的基本原理

声音在数字域里是由采样点构成的序列，每个采样点用若干比特表示幅度。只要不让幅度的微调超过人耳的阈值，就可以在这些比特的最低位上写入信息，而听感几乎不变。除了时域，频域的相位、回声以及调制特征同样提供了“藏匿空间”。

常见的实现手段

• 最低位替换（LSB）——直接改写采样值的最低几位。
• 相位编码——在不改变幅度的前提下微调信号相位。
• 回声隐藏——通过在原始音轨后添加微弱、延迟的回声实现比特嵌入。
• 频率调制（FSK）——在特定频段切换不同的载波频率对应0/1。
• 脉冲宽度调制（PWM）——利用音符时值的细微差异传递信息。

实战案例：从流行歌曲中提取隐藏指令

想象一下，手里拿着一首在排行榜上占据前十的电子舞曲，实际文件大小比同等长度的无压缩音频多了约150 KB。打开后，用 Audacity 放大波形，发现一些几乎不可闻的噪声脉冲。把音频导入 Python，使用 wave 模块读取每个采样的最低三位，将它们拼接成二进制流，再按 8 位一组转成 ASCII，便得到一段形如 RUN-ALPHA-01 的指令。

import wave, struct

def lsb_extract(file_path, bits=3):
    with wave.open(file_path, 'rb') as wf:
        frames = wf.readframes(wf.getnframes())
        fmt = '<{0}h'.format(len(frames)//2)
        samples = struct.unpack(fmt, frames)
        bits_seq = ''.join([bin(s & ((1<<bits)-1))[2:].zfill(bits) for s in samples])
        bytes_seq = [bits_seq[i:i+8] for i in range(0, len(bits_seq), 8)]
        return ''.join([chr(int(b, 2)) for b in bytes_seq if len(b)==8])

print(lsb_extract('track.wav'))

这段代码的核心就在于“只取最低三位”，足以在不破坏原曲听感的前提下搬运几百字节的信息。说白了，音频隐写的威力在于它可以把机密藏进大众消费的媒体里，而检测成本往往高于提取成本。