[发明专利]一种基于递归神经网络的信息隐写方法、装置及存储介质

说明书

本发明公开了一种基于递归神经网络的信息隐写方法，包括如下步骤：采集文本，将所述文本输入到递归神经网络中进行分类处理，得到若干个词语的连接词集和组合概率，有效地反映了连接词集内词语与连接词语的关系；根据所述词语的连接词集和组合概率对所述连接词语进行编码，得到训练完成的信息隐写模型，能够对句子中的信息进行隐写处理；采集待隐写文本，通过发送端将待隐写文本转换为二进制码，并输入到信息隐写模型，得到的隐写文本编码有效地加密了句子中的重要信息，防止隐写文本编码被破解；利用接收端将隐写文本编码转换为隐写文本，并将隐写文本输入到信息隐写模型进行解码，解码的精确度较高，确保了加密文本的重要信息精确传达。

技术领域

本发明涉及一种信息安全领域，具体涉及一种基于递归神经网络的信息隐写方法、装置及存储介质。

背景技术

随着信息安全领域技术的不断发展，私密信息的传输越来越受到用户的重视。现有的信息隐写技术通常将所有的载体编码到一个载体集合中，然后选择不同的载体用于传输，以实现隐蔽消息的传递。但是这种信息隐写技术存在缺陷，对文本这类高信息编码度、低冗余量的载体，生成的加密文本质量较差，使得原载体变得难以阅读，或不能有效地加密重要信息，导致加密文本容易受到攻击、篡改甚至是破解。

发明内容

为解决上述问题，本发明的目的在于提供一种基于递归神经网络的信息隐写方法、装置及存储介质，能够对文本信息进行隐写处理，得到加密质量较高的加密文本，有效地加密重要信息，避免加密文本受到破解；同时，对加密文本进行解码的精确度也较高，确保文本的重要信息精确传达。

本发明解决其问题所采用的技术方案是：第一方面，本发明实施例提出了一种基于递归神经网络的信息隐写方法，包括如下步骤：

采集文本，将所述文本输入到递归神经网络中进行分类处理，得到若干个词语的连接词集和组合概率，所述连接词集包含有若干个连接词语，所述词语与所述连接词语相邻，且所述连接词语设置在所述词语的后面；

根据所述词语的连接词集和组合概率对所述连接词语进行编码，得到训练完成的信息隐写模型；

采集待隐写文本，通过发送端将待隐写文本转换为二进制码，并将所述二进制码输入到信息隐写模型，得到隐写文本编码；

利用接收端将隐写文本编码转换为隐写文本，并将所述隐写文本输入到信息隐写模型，得到解码文本。

进一步，采集文本，将所述文本输入到递归神经网络中进行分类处理，得到若干个词语的连接词集和组合概率，包括如下步骤：

采集文本，利用递归神经网络提取所述文本的首位词语，并根据所述首位词语的频率选取若干个首位词语构成关键词列表；

利用所述递归神经网络对所述文本进行语义空间的映射，得到若干个含有语义空间的词语；

将所述词语输入到LSTM隐含层进行权重的初步提取，得到所述词语的初始权重；

在所述LSTM隐含层的后面连接softmax激活函数层，将所述词语和所述词语的初始权重输入到softmax激活函数层进行分类处理，得到若干个词语的连接词集和组合概率。

进一步，采集文本，将所述文本输入到递归神经网络中进行分类处理，得到若干个词语的连接词集和组合概率，还包括如下步骤：

利用损失函数计算若干个词语的组合概率的总损失值，并通过反向调整所述递归神经网络使所述总损失值最小，得到若干个词语最优的组合概率。

进一步，根据所述词语的连接词集和组合概率对所述连接词语进行编码，得到训练完成的信息隐写模型，包括如下步骤：

利用所述词语的连接词集和组合概率构建所述词语的连接哈弗曼树，得到所述连接词语的编码，则信息隐写模型训练完成。