公开(公告)号：CN110110318B

公开(公告)日：2021-02-05

申请号：CN201910058680.5

申请日：2019-01-22

Applicant: 清华大学

Inventor： 黄永峰 ,  杨忠良 ,  王颗 ,  杨震 ,  胡雨婷 ,  武楚涵

IPC: G06F40/279 ,  G06F40/216 ,  G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于循环神经网络的文本隐写检测方法及系统，其中，该方法包括：获取词向量矩阵，根据词向量矩阵将待检测文本转化为输入词向量序列；将输入词向量序列输入到预先构建的循环神经网络模型中，生成表示待检测文本词语间相关关系的特征向量；通过分类器对特征向量进行分类，判断待检测文本是否包含隐藏信息；若待检测文本包含隐藏信息，则根据不同嵌入率下隐写文本特征向量的区别估计待检测文本的信息嵌入率。该方法将循环神经网络运用到文本隐写检测中，能有效鉴别文本载体是否含有隐藏信息，并根据抽取特征的统计分布准确估计隐藏信息的容量。

公开(公告)号：CN110110318A

公开(公告)日：2019-08-09

申请号：CN201910058680.5

申请日：2019-01-22

Applicant: 清华大学

Inventor： 黄永峰 ,  杨忠良 ,  王颗 ,  杨震 ,  胡雨婷 ,  武楚涵

IPC: G06F17/27 ,  G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于循环神经网络的文本隐写检测方法及系统，其中，该方法包括：获取词向量矩阵，根据词向量矩阵将待检测文本转化为输入词向量序列；将输入词向量序列输入到预先构建的循环神经网络模型中，生成表示待检测文本词语间相关关系的特征向量；通过分类器对特征向量进行分类，判断待检测文本是否包含隐藏信息；若待检测文本包含隐藏信息，则根据不同嵌入率下隐写文本特征向量的区别估计待检测文本的信息嵌入率。该方法将循环神经网络运用到文本隐写检测中，能有效鉴别文本载体是否含有隐藏信息，并根据抽取特征的统计分布准确估计隐藏信息的容量。

公开(公告)号：CN109815496A

公开(公告)日：2019-05-28

申请号：CN201910059159.3

申请日：2019-01-22

Applicant: 清华大学

Inventor： 黄永峰 ,  杨忠良 ,  胡雨婷 ,  杨震 ,  陈放 ,  吴思行 ,  黄琬婷

IPC: G06F17/27 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于容量自适应收缩机制载体生成式文本隐写方法及装置，其中，方法包括以下步骤：步骤S1，对目标文本进行建模，并利用循环神经网络模型从目标文本中训练得到统计语言模型，以根据统计语言模型统计目标文本中每个词在每个时刻的条件概率分布；步骤S2，通过对条件概率分布进行基于容量自适应收缩的可变长度编码，以隐藏每个词的秘密比特流；步骤S3，根据每个词的隐藏秘密比特流生成目标文本的隐写文本。该方法基于载体生成的隐写术，它可以根据需要隐藏的秘密比特流，利用容量自适应收缩机制，自动生成高质量的隐写文本。

公开(公告)号：CN109711121A

公开(公告)日：2019-05-03

申请号：CN201811610142.4

申请日：2018-12-27

Applicant: 清华大学

Inventor： 黄永峰 ,  杨忠良 ,  杨震 ,  胡雨婷 ,  袁志刚 ,  武楚涵

IPC: G06F21/16 ,  G06F16/332

Abstract: 本发明公开了一种基于马尔可夫模型和哈夫曼编码的文本隐写方法及装置，方法包括：得到训练集，并构建相应的马尔可夫网络模型；按照词频排序生成词典D；构成预设列表；随机从预设列表中选择一个词作为训练好的Marcov网络模型的输入；迭代式计算各个时刻词的动态条件概率分布；选用排序靠前的N个词构成候选词词列表；构建哈夫曼树，并进行哈夫曼编码；根据需要嵌入的码流从哈夫曼树的根结点开始搜索，直到搜索到相应的叶子结点对应的词作为当前时刻的输出；重复执行直到生成完整的隐写文本；发送完整的隐写文本，以使接收方在接收隐写文本后，对隐写文本进行解码并获取机密消息。该方法可以有效提高生成隐写文本的质量，提升系统隐蔽性。

公开(公告)号：CN109711121B

公开(公告)日：2021-03-12

申请号：CN201811610142.4

申请日：2018-12-27

Applicant: 清华大学

Inventor： 黄永峰 ,  杨忠良 ,  杨震 ,  胡雨婷 ,  袁志刚 ,  武楚涵

IPC: G06F21/16 ,  G06F16/332

Abstract: 本发明公开了一种基于马尔可夫模型和哈夫曼编码的文本隐写方法及装置，方法包括：得到训练集，并构建相应的马尔可夫网络模型；按照词频排序生成词典D；构成预设列表；随机从预设列表中选择一个词作为训练好的Marcov网络模型的输入；迭代式计算各个时刻词的动态条件概率分布；选用排序靠前的N个词构成候选词词列表；构建哈夫曼树，并进行哈夫曼编码；根据需要嵌入的码流从哈夫曼树的根结点开始搜索，直到搜索到相应的叶子结点对应的词作为当前时刻的输出；重复执行直到生成完整的隐写文本；发送完整的隐写文本，以使接收方在接收隐写文本后，对隐写文本进行解码并获取机密消息。该方法可以有效提高生成隐写文本的质量，提升系统隐蔽性。