[发明专利]基于困惑度计算的高隐蔽性自动生成文本的隐写方法

摘要

本发明公开了基于困惑度计算的高隐蔽性自动生成文本的隐写方法，该方法可以根据需要隐藏的秘密比特流生成高隐蔽性的文本载体。区别于以往的文本隐写方法，本方法的创新点在于充分利用候选池中文本的出现频率，使生成的隐写文本具有更高的隐蔽性。该方法在隐写文本自动生成过程中，考虑了隐写文本中单词的灵敏度不同，引入困惑度计算，对候选池进行二次筛选，提升了生成的隐写文本的自然度，从而大幅度提升了系统整体的隐蔽性。

主权项

1.一种基于困惑度计算的高隐蔽性自动生成文本的隐写方法，包括以下步骤：/n(1)通过网上搜集的大量常用媒体形式的文本构建数据集；/n(2)对数据进行预处理，删除文本中的特殊符号、表情符号等，过滤低频词，并将英文中的所有单词转换为小写；/n(3)对自然文本进行建模，并构建相应的马尔可夫模型；/n(4)按照三元模型对构建的文本数据集进行训练，并按照词语出现的次数降序排序为一个字典T；/n(5)统计数据集中的第一个词的词频分布，按照词频降序排序后，选取前200个作为起始词列表；/n(6)在生成一句话之前，先从起始词列表中随机抽取一个单词作为马尔可夫模型的输入；/n(7)基于马尔可夫模型计算各个时刻单词的条件概率分布，根据给定候选池大小embedding rate对字典T进行第一次筛选，筛选后的字典为T1；/n(8)在每个迭代时刻t，依据字典T1中各单词的条件概率计算T1中单词与t时刻之前产生的单词共同的困惑度；/n(9)根据预设的困惑度阈值thr_ppl对字典T1进行二次筛选，筛选过后的字典为T2；/n(10)若筛选后的字典T2为空，即视作该字典不具备隐藏秘密信息的能力，在选词的过程中，直接选取字典T1中出现频率最多的单词作为当前时刻的输出；/n(11)若筛选后的字典T2非空，则依据字典T2中各单词的条件概率分布构建哈夫曼树并进行哈夫曼编码；/n(12)根据需要嵌入的码流从哈夫曼树的根节点开始搜索，到相应的叶子结点为止，该叶子结点对应的单词即为当前时刻的输出，基于此实现在自动生成文本的过程中隐藏秘密信息；/n(13)重复步骤(7)～(12)，直到生成一个完整的隐写句子，完成根据秘密信息自动生成文本载体的过程；/n(14)接收方在接收到模型生成的隐写文本后，对其进行解码并获取机密消息。/n