郝 宇，施 勇，薛 質(zhì)

(上海交通大學(xué) 電子信息與電氣工程學(xué)院，上海 200240)

OfficeXML文檔信息隱藏方法

郝 宇，施 勇，薛 質(zhì)

(上海交通大學(xué) 電子信息與電氣工程學(xué)院，上海 200240)

隨著互聯(lián)網(wǎng)和通信技術(shù)的飛速發(fā)展，計(jì)算機(jī)網(wǎng)絡(luò)信息化等方面的發(fā)展對(duì)信息安全技術(shù)提出了越來(lái)越高的要求。電子文檔已成為儲(chǔ)存及傳送信息的最常用載體，計(jì)算機(jī)泄密問(wèn)題隨之產(chǎn)生，且更具隱密性、潛伏性和危害性，同時(shí)也增加了失泄密問(wèn)題預(yù)防難度。Office 2007文檔采用了一種新的默認(rèn)文件格式，即Office Open XML格式，為在Office文檔中隱藏信息提供了新的思路。為此，結(jié)合Office文檔的自身特點(diǎn)和XML格式規(guī)范，提出了一種符合Office XML格式規(guī)范的信息隱藏方法。該方法針對(duì)DOCX、PPTX和XLSX三種不同類型格式文檔，匹配與格式相對(duì)應(yīng)的特定屬性，選取或構(gòu)建包含該屬性的XML段落，通過(guò)替換或構(gòu)造特有的標(biāo)識(shí)屬性值將隱秘信息嵌入目標(biāo)文本載體中，以實(shí)現(xiàn)信息隱藏的目的。實(shí)驗(yàn)結(jié)果表明，該方法使用文本容量大，安全性高，較好地解決了現(xiàn)有方法魯棒性不足的問(wèn)題。

Office XML；信息隱藏；Excel XML；Word XML ；PowerPoint XML

0 引 言

隨著互聯(lián)網(wǎng)電子商務(wù)的迅速發(fā)展以及電子文檔的廣泛使用，對(duì)于涉及私密信息的電子文檔的保護(hù)顯得尤為重要。信息隱藏技術(shù)[1-3]是實(shí)現(xiàn)電子文檔保護(hù)的重要手段，目前已成為多媒體信息安全領(lǐng)域的一個(gè)重要部分。信息隱藏涉及的方面有很多，如圖像、音頻、視頻等，而且取得了較多研究成果。對(duì)于圖像、音頻、視頻，主要利用的是其載體的較大冗余性。與這些載體相比，文本信息的冗余空間非常有限，所以兼顧文本信息隱藏的安全性和魯棒性難度較高，導(dǎo)致文本信息隱藏技術(shù)的研究相對(duì)滯后。

Office文檔是目前在電子商務(wù)、電子政務(wù)中使用最為廣泛的文檔之一，因此利用Office文檔進(jìn)行信息隱藏并實(shí)現(xiàn)追蹤文件的目的具有重大意義。針對(duì)不同用途，Office有三種主要的文檔格式，即Word,Excel和PowerPoint。目前已有學(xué)者提出通過(guò)修改Word中文本的字符大小或文本顏色來(lái)隱藏信息[4-10]。這些方法主要是針對(duì)Word文檔提出的。自O(shè)ffice 2007版起，Microsoft Office采用基于Office Open XML的文檔格式[11]，因其可以通過(guò)多種方式訪問(wèn)、降低文件損壞的風(fēng)險(xiǎn)等特點(diǎn)，已被越來(lái)越多的用戶使用。目前，已有一些學(xué)者針對(duì)此版本提出隱藏信息的方案[12-19]。

根據(jù)Office XML的特點(diǎn)，在分析Office Open XML文件的構(gòu)造方法的基礎(chǔ)上，提出了一種適用于Word XML,Excel XML與PowerPoint XML三種文檔格式的信息隱藏方法，給出了相應(yīng)的實(shí)現(xiàn)算法并對(duì)其進(jìn)行了實(shí)驗(yàn)驗(yàn)證。

1 Office Open XML文件格式

自2007 Microsoft Office系統(tǒng)開(kāi)始，Microsoft Office使用基于XML的文件格式，例如.docx、.xlsx和.pptx。這些格式和文件擴(kuò)展名適用于Microsoft Word、Microsoft Excel和Microsoft PowerPoint。Office Open XML (Open XML)是一種國(guó)際認(rèn)可的文件格式標(biāo)準(zhǔn)，Office軟件套件實(shí)施這種標(biāo)準(zhǔn)來(lái)保存和交換信息。Open XML遵循ECMA-376及ISO/IEC 29500標(biāo)準(zhǔn)，這意味著創(chuàng)建、編輯和保存Open XML文件等操作均需符合標(biāo)準(zhǔn)。Office Open XML格式使用Zip壓縮技術(shù)來(lái)存儲(chǔ)文檔，這種新的文件格式采用開(kāi)放打包協(xié)議，整個(gè)文檔由一個(gè)壓縮的Zip包組成，同時(shí)減少了文檔的大小。而文件結(jié)構(gòu)則以模塊形式進(jìn)行組織，從而使文件中的不同數(shù)據(jù)組件彼此獨(dú)立。

圖1 Word XML文檔的層次化文件結(jié)構(gòu)

圖1是一個(gè)只包含純文本的Word XML文檔。在該文檔包中，_rels文件夾存儲(chǔ)所有指定部件的關(guān)系部件主文檔document.xml;docProps文件夾包含應(yīng)用程序的屬性部件;而word文件夾存儲(chǔ)著example.docx文件的核心數(shù)據(jù)。其中document.xml文件則是文件包的主文檔，其記載了Word XML文件的文字內(nèi)容及其他相關(guān)屬性；[Content_Types].xml文件描述了出現(xiàn)在文件中的每個(gè)內(nèi)容類型。PowerPoint XML和Excel XML的文檔包的層次化文件結(jié)構(gòu)與圖1所示相似，其主文檔slide1.xml等文件和sheet1.xml等文件,分別保存在ppt/slides文件夾和xl/worksheets文件夾中。

2 基于“標(biāo)識(shí)屬性”的信息隱藏方案

2.1標(biāo)識(shí)屬性

基于XML的Office Open XML中，最基本的單位是元素，元素可以帶有若干個(gè)屬性及屬性值作為附加信息。無(wú)論是.docx、.pptx還是.xlsx格式的文件，元素的命名及其屬性值的定義都應(yīng)遵循Open XML規(guī)范，同時(shí)每個(gè)元素也有其特定的意義及作用。

圖2是某Word XML文檔包中的document.xml文件,其根元素為元素w:document。

圖2 Word XML 主文檔document.xml示例

以w:sectPr元素為例，它定義了文檔最后一部分的屬性,并擁有兩個(gè)屬性：w:rsidR(Section Addition Revision ID)和 w:rsidSect(Section Properties Reversion ID)。在微軟官方公開(kāi)文檔中表明：所有擁有相同值的rsid*屬性的區(qū)域均指向同一編輯會(huì)話期間。如圖2中w:p 與w:sectPr兩元素，其屬性w:rsidR的屬性值均為“00F04602”，這意味著這兩個(gè)元素的修改是在同一編輯會(huì)話內(nèi)完成的。類似于w:rsidR這樣的屬性，稱之為“標(biāo)識(shí)屬性”(Identifier Attribute)?！皹?biāo)識(shí)屬性”一般用于區(qū)分文本、表格等數(shù)據(jù)或?qū)傩?，其特點(diǎn)是擁有獨(dú)一無(wú)二且由系統(tǒng)隨機(jī)生成的屬性值，并且該屬性值與用戶及修改時(shí)間等無(wú)任何關(guān)系。經(jīng)研究發(fā)現(xiàn),Office XML各文檔格式中均含有“標(biāo)識(shí)屬性”，研究結(jié)果舉例由表1所示。

表1 Office XML各文檔中“標(biāo)識(shí)屬性”舉例

2.2信息隱藏方案

研究表明，對(duì)于標(biāo)識(shí)屬性值的修改不會(huì)對(duì)文本內(nèi)容造成影響。因此通過(guò)將待隱藏信息寫入其屬性值中，可以實(shí)現(xiàn)在Office XML文檔中隱藏信息的目的。為了保證安全性，可以先將待隱藏信息轉(zhuǎn)化為十六進(jìn)制的Unicode碼，然后選擇加密算法將其進(jìn)行加密，并添加校驗(yàn)位以便于之后的隱藏信息提取工作。

對(duì)于Word XML中的w:rsidR屬性而言，其出現(xiàn)的次數(shù)及頻率較多，因此上述基于替換原有標(biāo)識(shí)屬性屬性值的隱藏方案在Word XML中較易實(shí)現(xiàn)。但對(duì)于Excel XML和PowerPoint XML格式文檔，在一個(gè)簡(jiǎn)單的文本文檔中，如x14:id和a:tableStyleId這樣的標(biāo)識(shí)屬性可能不存在，這時(shí)則需要通過(guò)在特定位置構(gòu)造Office Open XML元素嵌入隱藏信息。

在PowerPoint XML文件中，a:tableStyleId用于標(biāo)識(shí)表格樣式。當(dāng)某頁(yè)幻燈片中存在一個(gè)表格樣式的數(shù)據(jù)，則相應(yīng)的slide.xml部件中則會(huì)記錄其a:tableStyleId屬性。同時(shí)在該文檔的tableStyles.xml部件中也會(huì)記錄下該表格樣式信息。tableStyles.xml部件用于記錄PowerPoint XML文檔在整個(gè)編輯過(guò)程中曾經(jīng)使用過(guò)的表格樣式，無(wú)論這些表格樣式目前是否仍在使用。所以若利用替換原有屬性值的方法，則需要同時(shí)更新slide.xml與tableStyles.xml部件中的屬性值。若各個(gè)slide.xml部件中不存在a:tableStyleId屬性，可以在tableStyles.xml部件中進(jìn)行添加以達(dá)到信息隱藏的目的。例如：待隱藏的已加密信息為“AAAAAAAA-1111-1111-1111-AAAAAAAAAAAA”，則可通過(guò)圖3的方式添加元素。圖3(a)中，a:tblStyleLst元素用于記錄表格樣式列表。因此，該方法通過(guò)對(duì)a:tblStyleLst元素添加子元素a:tblStyle即新的表格樣式來(lái)嵌入隱藏信息。值得注意的是，a:tblStyle本身?yè)碛袃蓚€(gè)屬性：styleId和styleName，分別用于記錄樣式標(biāo)識(shí)和樣式名稱。而styleName不可省略，否則Office軟件系統(tǒng)會(huì)判定該構(gòu)造元素(a:tblStyle)為無(wú)用元素并刪除，導(dǎo)致隱藏信息失敗。

圖3 PowerPoint XML文檔tableStyles.xml部件元素節(jié)點(diǎn)添加前后對(duì)比

在Excel XML文件中，x14:id 可用于標(biāo)識(shí)條件格式規(guī)則(Conditional Formatting Rule)。如圖4所示，條件格式元素x14:cfRule由屬性值為“C5A286DA-8583-446B-B1AC-FC4211EE1663”的標(biāo)識(shí)屬性id標(biāo)識(shí)。圖4中extLst元素用于記錄擴(kuò)展列表(extension list)，且位于worksheet元素節(jié)點(diǎn)中，其子元素為ext用于標(biāo)記擴(kuò)展(extension)。因此，如果某Excel XML文檔中不存在標(biāo)識(shí)屬性x14:id，同樣可通過(guò)在slide.xml部件中對(duì)其進(jìn)行添加，從而實(shí)現(xiàn)信息隱藏的目的。

例如：待隱藏的已加密信息為“AAAAAAAA-1111-1111-1111-AAAAAAAAAAAA”，則可通過(guò)圖5的方式添加元素。與PowerPoint XML中的方法相比，在Excel XML中使用的方法略有不同，此方法將標(biāo)識(shí)屬性x14:id構(gòu)造為元素。這是因?yàn)樵谘芯康臏y(cè)試中發(fā)現(xiàn)，若構(gòu)造如圖4中所示的含有x14:cfRule元素的ex-tLst元素，則加密信息的魯棒性不能得到保障，加密文檔可以正常打開(kāi)，但是Office軟件系統(tǒng)無(wú)法找到實(shí)際的條件規(guī)則與構(gòu)造的x14:cfRule元素相關(guān)聯(lián)，因此使用文件過(guò)程中的任何修改都會(huì)導(dǎo)致加密信息的丟失。經(jīng)研究發(fā)現(xiàn)，每個(gè)ext元素將uri屬性作為標(biāo)識(shí)符來(lái)指示擴(kuò)展的信息，同時(shí)其對(duì)于子元素則沒(méi)有具體要求。因此，可以通過(guò)構(gòu)造符合已申明的XML命名空間(xmlns：x14)的子元素x14:id來(lái)隱藏加密信息，如圖5所示。

圖4 Excel XML文檔slide1.xml部件中的條件格式元素x14:cfRule

圖5 Excel XML文檔slide1.xml部件添加extLst元素

針對(duì)Office Open XML的三種不同格式文檔，采用如圖6所示的信息隱藏流程圖。通過(guò)在相應(yīng)xml部件中替換或構(gòu)造含有標(biāo)記屬性特征的元素節(jié)點(diǎn)來(lái)達(dá)到信息隱藏的目的。

圖6 Office XML文檔信息隱藏流程

3 基于Office XML的信息隱藏算法

3.1信息嵌入算法

輸入：Office XML文檔T，待隱藏信息M，密鑰K。

輸出：載密文檔T'。

(1)判定文檔T的格式類型x(x∈{.docx,.pptx,.xlsx})；

(2)將待隱藏信息M轉(zhuǎn)為16進(jìn)制序列(組)S,長(zhǎng)度由文檔格式x決定；

(3)對(duì)16進(jìn)制序列(組)S通過(guò)密鑰K進(jìn)行加密并添加校驗(yàn)碼得到新的16進(jìn)制序列(組)S'；

(4)通過(guò)其文檔類型x,遍歷文檔中相對(duì)應(yīng)的部件，尋找可隱藏S'的標(biāo)記屬性值。結(jié)果與S'進(jìn)行比較，替換或添加對(duì)應(yīng)x格式的標(biāo)記屬性元素；

(5)保存新文檔T'，信息嵌入完畢。

3.2信息提取算法

輸入：載密Office XML文檔T'，密鑰K。

輸出：載密信息M。

(1)判定載密文檔T'的格式類型x(x∈{.docx,.pptx,.xlsx})；

(2)通過(guò)其文檔類型x,遍歷文檔中相對(duì)應(yīng)的部件，遍歷標(biāo)記屬性值，得到16進(jìn)制序列組S'；

(3)針對(duì)S'中每項(xiàng)序列進(jìn)行校驗(yàn)，判斷并通過(guò)密鑰K解密，得到序列組S；

(4)拼接序列組S,并轉(zhuǎn)換為字符，得到載密信息M,信息提取完畢。

3.3算法分析

實(shí)驗(yàn)環(huán)境是Windows 8,OS X Yosemite，Microsoft Office 2016以及Eclipse 4.5。所使用的實(shí)驗(yàn)文件是從Baidu上搜索并下載的一些Office XML文檔。下面從魯棒性、信息隱藏容量和隱蔽性方面進(jìn)行分析。

(1)魯棒性：在各式文檔中，隱秘信息嵌入到標(biāo)記屬性值中。經(jīng)試驗(yàn)測(cè)試，在Office系統(tǒng)軟件中，對(duì)加密文檔進(jìn)行常用的各種格式設(shè)置和內(nèi)容的添加刪減均不會(huì)造成隱秘信息的遺失，因此該算法魯棒性較強(qiáng)。但是若將含有隱密信息的Word文本段落整段刪除，或?qū)⒑须[秘信息的Excel整頁(yè)表格完全刪除，隱秘信息均會(huì)丟失。

(2)信息隱藏容量：針對(duì)PowerPoint XML及Excel XML格式文檔，一個(gè)標(biāo)記屬性值允許隱藏長(zhǎng)度為16字節(jié)即128比特的加密信息。而對(duì)于Word XML文檔，一個(gè)標(biāo)記屬性值允許隱藏長(zhǎng)度為4字節(jié)即32比特的加密信息。而對(duì)于一個(gè)大小3 MB左右的.docx格式文檔，其存在著大約300個(gè)w:rsidR屬性，即約1 200字節(jié)。由此可見(jiàn)，該算法擁有較大的信息隱藏容量。

(3)隱蔽性：通過(guò)實(shí)驗(yàn)證明，在Office XML文檔中應(yīng)用該算法，不會(huì)引起文檔顯示的任何改變，也不會(huì)影響文檔的正常使用。若只采用算法中的替換屬性值方案，則對(duì)文本大小不會(huì)產(chǎn)生任何改變，因此算法的隱蔽性較好。

4 結(jié)束語(yǔ)

為提高計(jì)算機(jī)電子文檔的安全性，解決計(jì)算機(jī)失泄密預(yù)防難題，提出了一種基于Office Open XML三種不同文檔格式的信息隱藏方法。通過(guò)對(duì)文檔格式進(jìn)行深入的研究分析，在歸納總結(jié)替換或添加“標(biāo)識(shí)屬性”的信息隱藏思路的基礎(chǔ)上，設(shè)計(jì)并實(shí)現(xiàn)了信息嵌入及提取算法。實(shí)驗(yàn)結(jié)果表明，與以往的在Office文檔中通過(guò)修改文本顯示格式以隱藏信息的方法相比，該方法較好地解決了傳統(tǒng)方法魯棒性弱及信息隱藏容量較小等問(wèn)題。隨著Office Open XML文檔的逐漸普及，今后的工作將主要集中于載密Office XML文檔格式轉(zhuǎn)換中載密信息保留的研究。

[1] 徐獻(xiàn)靈,崔 楠.信息隱藏技術(shù)及其應(yīng)用[M].北京:科學(xué)出版社,2007.

[2] 吳樹峰,黃劉生,盧繼軍,等.信息隱藏技術(shù)及其攻擊方法[J].計(jì)算機(jī)科學(xué),2003,30(2):92-96.

[3] Katzenbeisser S,Petitcolas A P F.信息隱藏技術(shù):隱寫術(shù)與數(shù)字水印[M].北京:人民郵電出版社,2001.

[4] 劉玉玲,孫星明.通過(guò)改變文字大小在Word文檔中加載數(shù)字水印的設(shè)計(jì)與實(shí)現(xiàn)[J]．計(jì)算機(jī)工程與應(yīng)用，2005，41(12):110-112．

[5] 莫 佳．基于Word文本的信息隱藏系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J]．計(jì)算機(jī)應(yīng)用與軟件，2009，26(12):278-281．

[6] 付 兵，肖小玲．一種基于Word文檔的高隱藏率水印算法[J]．長(zhǎng)江大學(xué)學(xué)報(bào)(自科版):理工卷，2007，4(2):55-57．

[7] Chandramouli R,Kharrazi M,Memon N.Image steganography and steganalysis:concepts and practice[C]//Proceedings of IDWD.[s.l.]:[s.n.],2015:35-49.

[8] Khan A,Siddiqa A,Munib S,et al.A recent survey of reversible watermarking techniques[J].Information Sciences,2014,279:251-272.

[9] Subhedar M S,Mankar V H.Current status and key issues in image steganography:a survey[J].Computer Science Review,2014,13:95-113.

[10] Murdoch S J,Lewis S.Embedding covert channels into TCP/IP[C]//International workshop on information hiding.Berlin:Springer,2005:247-261.

[11] Microsoft.Office (2007) Open XML 文件格式簡(jiǎn)介[EB/OL].[2007-07-06].http://www.microsoft.com/china/msdn/library/office/office/OfficeOpen XMLFormats.mspx?mfr=true.

[12] Park B,Park J,Lee S.Data concealment and detection in Microsoft Office 2007 files[J].Digital Investigation,2009,5(3):104-114.

[13] Garfinkel S L,Migletz J J.The new XML office document files：implications for forensics[J].IEEE Security & Privacy，2009，7(2)：38-44.

[14] 劉玉玲，萬(wàn) 晶，辛國(guó)江.Excel2007文檔信息隱藏方法[J].計(jì)算機(jī)工程與應(yīng)用，2010，46(28)：70-72.

[15] 徐 敏，王衍波，李 濤．Word2007文檔信息隱藏的新方法[J].計(jì)算機(jī)研究與發(fā)展，2009，46:112-116．

[16] 吳 悠,孫星明.基于正弦波的Word文檔數(shù)字水印[J].計(jì)算機(jī)工程,2005,31(24):175-176.

[17] What’s up with all thosersids?[EB/OL].[2006-12-11].https://blogs.msdn.microsoft.com/brian_jones/2006/12/11/whats-up-with-all-those-rsids/.

[18] 耿建勇．XML安全技術(shù)的應(yīng)用研究[D]．北京:中國(guó)科學(xué)院研究生院(計(jì)算技術(shù)研究所)，2005．

[19] Liu T Y，Tsai W H.A new steganographic method for data hiding Microsoft word documents by a change tracking technique[J].IEEE Transactions on Information Forensics and Security，2007，2(1)：24-30.

OfficeXMLDocumentInformationHidingMethod

HAO Yu，SHI Yong，XUE Zhi

(School of Electronic Information and Electrical Engineering,Shanghai Jiaotong University, Shanghai 200240,China)

With the rapid development of Internet and communication technology，the computer network pays more and more attention in information，which also emphasizes the increasing importance of information security technology.Electronic documents have become the most commonly used carrier in information storage and transmission and thus the problem of computer file leakage has generated more hidden,latent and harmful properties than other classical methods,increasing the difficulty in prevention of leakage.Since a new default file format is introduced in Microsoft Office 2007 document,which is called Office Open XML format and provides a new ideas for information hiding in Excel documents.An information hiding method based on Office Open XML file format is proposed in investigation of features of Office documents and XML specifications.With different kinds of files,such as DOCX,PPTX and XLSX,it adopts different identifier attribute,which finds or creates a segment with this attribute to hide information by changing the attribute value.Experiment results show that it can hide large capacity information and thus is safety with high capacity and security,which has solved poor robustness of the existing methods.

Office Open XML;information hiding;Excel XML；Word XML；PowerPoint XML

TP301

A

1673-629X(2017)10-0096-05

2016-06-02

2016-10-10 < class="emphasis_bold">網(wǎng)絡(luò)出版時(shí)間

時(shí)間：2017-07-19

公安部信息網(wǎng)絡(luò)安全重點(diǎn)課題支持(C14612)

郝 宇(1991-)，男，碩士，研究方向?yàn)榫W(wǎng)絡(luò)安全、大數(shù)據(jù)分析；施 勇，博士，講師，研究方向?yàn)榫W(wǎng)絡(luò)安全、網(wǎng)絡(luò)攻防;薛 質(zhì)，博士，教授，研究方向?yàn)榫W(wǎng)絡(luò)安全、網(wǎng)絡(luò)攻防。

http://kns.cnki.net/kcms/detail/61.1450.TP.20170719.1107.002.html

10.3969/j.issn.1673-629X.2017.10.021