[发明专利]基于同义词扩展和标签传递的文本无载体信息隐藏方法

说明书

本发明公开基于同义词扩展和标签传递的文本无载体信息隐藏方法：遍历文本库路径，对于每篇文本，将所定位标签及对应关键词存储在索引文本中；用RNN模型提取文本特征，得到满足样本特征的语言模型；对秘密信息进行切分得到关键词集合，将单个关键词扩展为同义词集合，将不同的关键词或同义词嵌入同篇自然文本中，记录每篇载体文本中包含的所有关键词信息；将所有关键词信息按固定格式转换为二进制序列；将所有自然载体文本和生成文本发送给接收端完成秘密通信。接收端按顺序接受所有文本，使用与发送端的RNN模型从最后一个文本中提取二进制序列，按固定格式解析出关键词信息，从自然文本中提取关键词组成秘密信息。

技术领域

本发明属于信息安全技术领域，具体涉及一种基于同义词扩展和标签传递机制的文本无载体信息隐藏方法。

背景技术

信息技术和移动通信的应用普及，使得人们越来越依赖各种数字媒体来完成日常的通信和交流任务。然而，信息的数字化也使其面临恶意攻击、非授权访问、窃听和伪造等风险。保障信息安全的主要技术有信息隐藏和信息加密。区别于信息加密技术，信息隐藏技术通过将秘密信息嵌入公开载体中，以此来实现秘密信息的安全通信，保证了传输过程的隐蔽性。

传统的信息隐藏技术大多通过对载体（数字文本、数字图像、视音频）内容进行细微改动，嵌入秘密信息并生成含密载体。其中，文本作为日常生活中使用最频繁的媒体之一，已成为信息隐藏的重要载体之一。但是，与其他载体相比，文本的数据量较小，包含的冗余信息量也较少，导致秘密信息嵌入相对困难。同时，针对文本信息隐藏的检测算法也日渐成熟。因此，如何在实现高容量的文本信息隐藏的同时提高秘密信息的抗检测性已成为当前的研究热点。

在上述背景下，无载体信息隐藏的概念被提出。无载体信息隐藏不是不需要载体，而是不采用修改的方式直接传递自然文本或直接生成载体文本。传统的无载体信息隐藏方法需要通信双方提前协商定位标签，维护相同的文本数据集，发送方使用标签搜索数据集中满足条件的文本发送给接收方，接收方使用同样的标签从文本中提取秘密信息。2017年后，基于深度学习的生成式无载体信息隐藏方法引起了学者的关注。与上述依赖定位标签隐藏和提取秘密信息的方法相比，生成式方法直接以秘密信息生成含密载体，无需构建、维护大型的文本数据库。

上述方法中，基于定位标签的搜索式隐藏方法虽然具有很好的隐蔽性，但隐藏容量较低，无法实现高效的秘密信息通信；基于深度学习语言模型的生成式方法可以实现高容量的秘密信息嵌入，但是当秘密信息的长度较大时，生成的文本大概率会出现上下文语义不连贯、语义错误等情况，因此很难抵抗隐写检测。

发明内容

针对现有技术文本信息隐藏方法隐藏容量低、抗检测性弱等问题，本发明提出了一种基于同义词扩展和标签传递的文本无载体信息隐藏方法，有效地提升了隐藏容量和抗检测性，使用小型载体文本数据库即可实现完整的信息隐藏和提取，减少了建立、维护、索引数据库的开销。

为了实现上述目的，本发明所采用以下技术方案：

基于同义词扩展和标签传递的文本无载体信息隐藏方法，具体步骤包括：

步骤1，遍历文本库路径，对于每一篇文本，将所有定位标签以及对应的关键词存储在索引文本中；

步骤2，使用多层RNN模型提取文本库中的文本特征，得到满足文本库样本特征的语言模型；

步骤3，发送端对秘密信息进行切分，得到关键词集合，将单个关键词扩展为同义词集合，将不同的关键词或其同义词嵌入同一篇自然文本中，同时记录每篇载体文本中包含的所有关键词信息；将所有关键词信息按固定格式转换为二进制序列，作为秘密信息生成载体文本；最后将所有自然载体文本和生成文本发送给接收端完成秘密通信；

步骤4，接收端按顺序接受所有文本，使用与发送端相同的RNN模型从最后一个文本中提取二进制序列，按固定格式解析出关键词信息，从自然文本中提取关键词组成秘密信息。

进一步地，步骤1具体如下：