随着大数据时代的到来,互联网环境中的数字图像呈现爆炸式增长。近年来,攻击者将恶意代码或程序隐藏在图像中并进行大规模分发,数以千万的用户遭受来自勒索软件、隐私泄露等网络攻击的伤害。更危险的是,隐写工具层出不穷,利用隐写术发起的网络攻击数量与日俱增。然而,由于网络环境中图像数量规模庞大,图像来源千差万别,隐写分析技术作为与隐写术抗衡的有效手段,在传统的单机模式下计算性能受限,这为隐写分析技术向真实场景转化带来了不小的困难。针对以上问题,本文提出基于Spark的图像隐写分析系统,旨在解决网络环境中大规模图像的隐写分析问题,并向用户提供实用且易用的功能服务。本文主要工作如下:(1)针对传统的单机版隐写分析算法在面对大规模图像时性能受限,现有的基于MapReduce框架的并行算法存在不足的问题,本文深入研究隐写分析算法,分析可并行化部分,结合Spark分布式计算和数据存储方式,重新设计隐写分析算法,实现高性能分布式计算与通用隐写分析技术的结合。基于Spark实现的隐写分析算法以并行化的方式执行图像隐写分析任务,实验表明,并行化方式相比单机版和基于MapReduce的隐写分析算法,在执行效率方面有显著提高。(2)针对隐写分析算法在面对复杂图像来源时存在的多种隐写算法或隐写率检测准确度的问题,本文研究了图像隐写分析算法中决定其性能的关键参数。通过使用多组特征提取参数和指定集成分类器参数与自动化搜索最佳参数两种方式,执行多组隐写分析任务,评估算法性能,从而在本文搭建的集群规模中确定合适的算法参数。实验结果表明,基于Spark实现的并行化算法能够承载更重的计算任务,在提升计算性能的同时,检测正确率高于现有隐写分析算法。(3)针对现阶段缺乏面向实际应用场景的隐写分析工具的问题,本文研究当前最新的Web应用开发技术,结合基于Spark的图像隐写分析算法,设计并实现具备通用性、高效性和易用性的图像隐写分析系统。系统主要包括用户管理模块、图像库管理模块、基于Spark的并行化隐写分析模块和分析报告管理模块。(4)在当前系统环境下使用测试样本对系统进行界面测试、功能测试和性能测试。其中,性能测试使用隐写分析算法的平均错误率和加速比衡量算法检测准确度和并行化性能。测试结果表明,系统的准确性和效率达到预期,能够满足大规模图像的隐写分析需求。