二维码由于其成本低和使用方便等特性,得到了广泛应用。为了抵抗非法复制（Illegitimately-Copying,IC）攻击,现有的防复制二维码通过隐藏认证信息来提高其安全性,如最新提出的:2LQR二维码（Two-Level QR code）、LCAC二维码（Low-Cost Anti-Copying 2D barcode）和STAC二维码（Superimposed-Tag Anti-Copying 2D barcode）。本学位论文主要研究防复制二维码中的隐藏信息检测问题。现有的二维码隐藏信息检测方案是基于启发式方法或者基于机器学习（Machine Learning,ML）方法进行设计的,存在以下局限性。第一,基于启发式方法的检测方案,缺乏严格的理论分析。第二,基于ML方法的检测方案,由于需要根据训练样本来训练测试模型,所以其性能非常依赖于训练样本。针对不同的防复制二维码,基于ML方法的检测方案需要训练不同的测试模型,导致其鲁棒性较差。基于现有的防复制二维码中的假设,即隐藏信息不能影响原始信息的解码,本学位论文中提出了两种二维码隐藏信息检测方案。基于像素距离的检测（Pixel Distance Based Detection,PDBD）方案和基于像素方差的检测（Pixel Variance Based Detection,PVBD）方案。本学位论文通过广义高斯分布（Generalized Gaussian Distribution,GGD）为非法复制信道进行理论建模,并对所提的两种二维码隐藏信息检测方案进行理论分析。具体来说,推导了两种检测方案的虚警概率（Probability of False Alarm,PFA）和检测概率（Probability of Detection,PD）的封闭解表达式。并基于Neyman Pearson理论推导了检测方案最佳判决阈值的封闭解表达式。本学位论文通过打印机、扫描仪、手机搭建了硬件实验平台,验证了上述理论分析的有效性。通过实验结果发现,PVBD方案有更好的检测性能,但是PDBD方案可以实现隐藏信息定位的功能。除了对现有防复制二维码中的隐藏信息进行检测外,本学位论文设计了更高级的IC攻击方法来进一步评估现有防复制二维码的安全性。针对2LQR二维码需要在合法发送者和接收者之间共享一个pattern数据库来进行认证判决,本学位论文分成两种场景来设计高级IC攻击方法:pattern数据库公开场景（Public Pattern Database,PPD）和pattern数据库未公开场景（Unknown Pattern Database,UPD）。在PPD场景下,攻击者将接收pattern和已知数据库中的pattern逐个比对来搜索相似度最高的pattern,然后用其替换接收pattern来发动IC攻击。在UPD场景下,攻击者首先估计接收pattern的尺寸,然后通过二值化技术来构建替代的pattern数据库,最后通过类似PPD场景的方法来发动IC攻击。针对LCAC二维码,本学位论文利用PDBD方案可以实现隐藏信息定位的功能来设计高级IC攻击方法。另外,由于LCAC二维码可以适用于高阶调制二维码,本学位论文分成两种场景来设计高级IC攻击方法:全部星座点场景（All Constellation Points,ACP）和分星座点场景（Separate Constellation Points,SCP）。在ACP场景和SCP场景下,攻击者都会利用PDBD方案对接收二维码的不同星座点分别分析隐藏信息的位置。然后两种场景都在恢复的二维码上对隐藏信息位置的比特进行翻转来发动IC攻击。在搭建的硬件实验平台上分析各种高级IC攻击性能,针对2LQR二维码的攻击成功率最高达到了65.38%,针对LCAC二维码的攻击成功率最高达到了100%。最后,本学位论文考虑以下两种复杂场景。第一,LCAC二维码在未知原始信息的编码和调制参数时发动IC攻击;第二,对STAC二维码发动IC攻击。针对第一种场景,攻击者首先对接收LCAC二维码的每个模块灰度值进行建模,然后通过建模结果来估计星座点的调制参数,最后通过估计的调制参数恢复二维码来发动IC攻击。在搭建的硬件实验平台基础上,验证了攻击者对LCAC二维码的攻击成功率可以达到90.42%。针对第二种场景,攻击者首先对接收STAC二维码的每个模块灰度值进行建模,然后通过建模结果来估计认证标签的叠加幅度,并根据比较分组能量大小来对认证标签的正负极性进行最优分组,最后根据估计的叠加幅度对最优分组结果进行判决来发动IC攻击。在搭建的硬件实验平台基础上,验证了随着收到二维码的张数增加,攻击者对STAC二维码的攻击成功率在明显提升。当张数超过32张时,攻击成功率甚至超过传统的合成IC攻击。