隨著大數(shù)據(jù)時(shí)代的到來(lái),保障用戶的信息安全成為目前的研究熱點(diǎn)。信息隱藏是信息安全領(lǐng)域的重要技術(shù)之一。該技術(shù)通過(guò)將秘密信息嵌入到在公開信道傳輸?shù)臄?shù)據(jù)中,使其不易被攻擊者察覺(jué)。由于文本具有較高的編碼性,且是人們?nèi)粘Ｍㄐ偶鞍l(fā)表觀點(diǎn)時(shí)使用最為廣泛的載體,基于文本的信息隱藏吸引了研究者的關(guān)注。受益于深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的飛速發(fā)展,將神經(jīng)網(wǎng)絡(luò)與信息隱藏相結(jié)合成為探索新方法的一個(gè)重要分支。基于上述研究背景,本文對(duì)基于文本自動(dòng)生成的信息隱藏方法展開相關(guān)研究,主要工作如下:首先,數(shù)據(jù)集的預(yù)處理。神經(jīng)網(wǎng)絡(luò)模型依賴于其強(qiáng)大的自我學(xué)習(xí)能力,因此,需要構(gòu)建含有大量自然文本的數(shù)據(jù)集。本文選用評(píng)述性文本數(shù)據(jù)集——影評(píng)數(shù)據(jù)集、正式性文本數(shù)據(jù)集——新聞數(shù)據(jù)集以及非正式性文本數(shù)據(jù)集——推特?cái)?shù)據(jù)集作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集,以此構(gòu)建參數(shù)適配的神經(jīng)網(wǎng)絡(luò)模型。數(shù)據(jù)集預(yù)處理包括替換字母大小寫、刪除特殊符號(hào)和過(guò)濾web鏈接等,消除文本在自動(dòng)生成過(guò)程中的干擾因素。其次,設(shè)計(jì)秘密信息嵌入與提取算法。本文選用統(tǒng)計(jì)語(yǔ)言模型馬爾可夫模型和神經(jīng)網(wǎng)絡(luò)模型循環(huán)神經(jīng)網(wǎng)絡(luò)作為文本生成模型進(jìn)行對(duì)比分析。馬爾可夫模型具有與自然語(yǔ)言生成過(guò)程所匹配的元結(jié)構(gòu)。循環(huán)神經(jīng)網(wǎng)絡(luò)... 

【文章來(lái)源】：沈陽(yáng)工業(yè)大學(xué)遼寧省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

信息隱藏結(jié)構(gòu)框圖

本文提出一種能夠自動(dòng)生成高質(zhì)量隱寫文本的信息隱藏方法，通過(guò)傳統(tǒng)的概率統(tǒng)計(jì)模型（馬爾可夫模型）和自然語(yǔ)言處理技術(shù)（循環(huán)神經(jīng)網(wǎng)絡(luò)）與哈夫曼編碼相結(jié)合，以生成語(yǔ)法正確、語(yǔ)義連貫的隱寫文本，降低被檢測(cè)器捕獲的風(fēng)險(xiǎn)。為了進(jìn)一步提高隱寫文本的隱蔽性和隱藏容量，且考慮到不同單詞具有不同的敏感度，在提出的模型基礎(chǔ)上對(duì)生成過(guò)程中構(gòu)建的候選池進(jìn)行優(yōu)化，提出了基于困惑度計(jì)算的候選池自收縮機(jī)制，以期在提高生成的隱寫文本的質(zhì)量的同時(shí)，提高信息隱藏方法整體的隱蔽性。1.2國(guó)內(nèi)外研究現(xiàn)狀1.2.1文本信息隱藏研究現(xiàn)狀圖1.2文本信息隱藏研究現(xiàn)狀Fig.1.2Theresearchstatusoftextinformationhiding

7第2章文本生成模型文本的自動(dòng)生成離不開自然語(yǔ)言生成技術(shù)的發(fā)展。自然語(yǔ)言生成技術(shù)可分為模版生成技術(shù)和屬性-特征生成技術(shù)。針對(duì)基于模版的文本生成技術(shù)不適用于開放性領(lǐng)域的缺陷，本文采用基于語(yǔ)言模型的生成技術(shù)自動(dòng)生成隱寫文本，并選用概率統(tǒng)計(jì)模型（馬爾可夫模型）和深度學(xué)習(xí)模型（循環(huán)神經(jīng)網(wǎng)絡(luò)）對(duì)文本的語(yǔ)義特征進(jìn)行提取和分析，為后文秘密信息的嵌入和提取算法作鋪墊。2.1馬爾可夫模型在統(tǒng)計(jì)自然語(yǔ)言處理領(lǐng)域，通常使用統(tǒng)計(jì)語(yǔ)言模型[37]對(duì)句子進(jìn)行建模。語(yǔ)言模型將句子視為序列字符串，對(duì)句子中單詞的概率分布進(jìn)行建模，如公式（2.1）所示：niiinnwwwppwwwpwwwpwwpwpS11111213121)|()|()|()|()()(（2.1）其中，S表示由單詞n,...,,www21組成的句子，長(zhǎng)度為n。在語(yǔ)言模型中，生成第nii)1(個(gè)單詞的概率分布是由此時(shí)刻前已經(jīng)產(chǎn)生的i1個(gè)詞121,...,,iwww決定的，即),...,|(ii11wwwp。因此，在自動(dòng)生成隱寫文本的信息隱藏方法中，若想自動(dòng)生成高質(zhì)量的文本，需要獲得訓(xùn)練樣本集的統(tǒng)計(jì)語(yǔ)言模型的良好的估計(jì)。圖2.1馬爾可夫模型Fig.2.1Markovmodel馬爾可夫模型（Markovmodel）[38,39]是具有無(wú)后效性的隨機(jī)過(guò)程，是描述了一系列可能事件的隨機(jī)模型，如圖2.1所示。該過(guò)程的主要思想為：當(dāng)過(guò)程在時(shí)刻t的狀態(tài)為已知時(shí)，過(guò)程在t1時(shí)刻所處狀態(tài)的概率特性只與過(guò)程在t時(shí)刻所處的狀態(tài)有關(guān)，而與過(guò)程在t時(shí)刻之前的狀態(tài)無(wú)關(guān)，可用公式（2.2）表示：)|(),...,,|(1211tkttktPXXsXPXsXX（2.2）其中，},...,,{21TXXXX是一組隨機(jī)序列，角標(biāo)t代表該狀態(tài)所對(duì)應(yīng)的時(shí)刻。沈陽(yáng)工業(yè)大學(xué)碩士學(xué)位論文

【參考文獻(xiàn)】：
期刊論文
[1]深度置信網(wǎng)絡(luò)模型及應(yīng)用研究綜述[J]. 劉方園,王水花,張煜東.  計(jì)算機(jī)工程與應(yīng)用. 2018(01)
[2]基于雅克比符號(hào)的文本信息隱藏[J]. 左祥建,楊曉莉.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(02)
[3]基于替換有格式文本空間特征信息的隱藏策略[J]. 張?chǎng)?  新鄉(xiāng)學(xué)院學(xué)報(bào)(自然科學(xué)版). 2011(05)
[4]基于動(dòng)態(tài)模板的電子文書生成技術(shù)研究[J]. 堯欣.  信息記錄材料. 2010(03)
[5]基于支持向量機(jī)的文本隱寫分析[J]. 眭新光,羅慧,朱中梁.  計(jì)算機(jī)工程. 2009(06)
[6]針對(duì)同義詞替換信息隱藏的檢測(cè)方法研究[J]. 羅綱,孫星明,向凌云,劉玉玲,甘燦.  計(jì)算機(jī)研究與發(fā)展. 2008(10)
[7]利用范本構(gòu)建語(yǔ)法模板生成仿自然語(yǔ)言隱寫文本[J]. 蘇勝君,李維斌,陳超,王朔中.  電子與信息學(xué)報(bào). 2008(08)
[8]自然語(yǔ)言生成技術(shù)及其應(yīng)用實(shí)例[J]. 賈佩山.  電腦與信息技術(shù). 1997(02)



本文編號(hào)：3232494