CN103294959A

CN103294959A - 一种抗统计分析的文本信息隐藏方法

Info

Publication number: CN103294959A
Application number: CN201310206648XA
Authority: CN
Inventors: 付章杰; 孙星明
Original assignee: Nanjing University of Information Science and Technology
Current assignee: Nanjing University of Information Science and Technology
Priority date: 2013-05-29
Filing date: 2013-05-29
Publication date: 2013-09-11
Anticipated expiration: 2033-05-29
Also published as: CN103294959B

Abstract

本发明提出了一种抗统计分析的文本信息隐藏方法，所述方法发送方收集大量相同主题的选择题并构建成题库，且不需要与接收方共享该题库。发送方通过对题库中题目进行基于选项内容长度的编码，根据秘密信息选取具有指定编码值的选择题自动产生逼真的隐写文本，同时将额外的秘密信息嵌入在隐写文本中选择题的选项排列顺序中，选项排列顺序的修改不会影响选择题的具体内容和各项统计特性。秘密信息的提取则直接通过计算隐写文本中每道题基于选项内容长度和选项排列的编码值来获取。本发明隐蔽性好、隐藏容量大、抗统计分析的能力强。

Description

一种抗统计分析的文本信息隐藏方法

技术领域

本发明属于信息安全技术领域，具体指的是一种抗统计分析的文本信息隐藏方法。

背景技术

20世纪90年代以来，信息隐藏技术成为信息安全领域的一大重要研究热点，它通过将秘密信息以不可感知的方式嵌入在图像、音频、视频、文本等数字媒体中，以达到秘密信息的隐蔽安全可靠存储和传输的目的，保障国防、军事、政府、商业等的机密信息的安全。文本是互联网上、工作生活中使用最频繁和广泛的数据载体，因此以文本内容为载体的信息隐藏技术具有其不可取代的实用价值。

国内外利用文本内容作为隐蔽载体进行信息隐藏的研究主要集中在自然语言文本信息隐藏技术上，主要有生成法和修改法两大类。

生成法是根据自然语言处理技术方面的理论知识，自动生成符合一定自然语言统计特性的仿自然语言文本来隐藏信息。如隐写工具Nicetext，其将二进制数据转换为根据某个载体文本抽取出来的一些句法模板或者基于上下文无关语法的英文句子；TEXTO，其将uuencode文件或者PGP信息转换为类似诗一样的英文句子；MIMIC-PPT方法，其利用从POWERPOINT格式文件中抽取的句法模版库和单词列表，将秘密信息转换成合乎语法且与正文内容相关的自然语言句子并写入该文档的备注中等。尽管这些方法生成的隐写文本能够符合自然语言的某些特性如句法结构，词频分布甚至局部语义，但是句子内部或句子之间的意义关联比较弱。因此通过句间相关度、文本剩余度、词间互信息等统计特征的分析可成功识别出这类隐写文本。

另外，Grothoff等利用机器翻译生成的译文作为载体进行信息隐藏，提高了隐写文本的质量并很好地保持了文本的统计特性，增强了抗统计分析的能力。但由于隐写过程中需要多个不同翻译器的参与，会导致隐写文本对每种可能翻译器的倾向度都很小，而正常翻译文本则会只倾向于某一台翻译器；其次会导致隐写文本中高频词的比例会比正常文本中少，通过这些线索，现有的文本隐写分析技术已能检测到这类隐写文本中秘密信息的存在性。

自然语言文本信息隐藏的修改法则对文本内容进行尽可能保持语法、句法、语义不变的修改操作来隐藏信息。这些修改操作主要有句法变换和同义词替换。

基于句法变换的信息隐藏方法如：美国的学者Atallah等首次提出了在经过句法分析得到句法分析树的基础上，利用附加语移动、主动与被动语态变换等英语句法变换对句法树进行修改以嵌入水印信息。土耳其的H.M.Meral等针对土耳其语的特点，提出了21种适合于土耳其语的句法变换方法，并利用Wordnet和词典的辅助减少嵌入操作引起的语义失真。尽管这类基于句法变换的隐写方法鲁棒性较强，但只适用于少量秘密信息的嵌入，同时通常不仅需要成熟句法分析工具的支持且对复杂句子自动进行正确的句法变换难度较大，导致实用性较差。

另一种最简单且易于实现的自然语言文本信息隐藏方法是基于同义词的替换，如：墨西哥的学者Bolshakov利用WordNet和Internet的资源，以及词的搭配信息来控制同义词替换操作进行信息嵌入；U.Topkara等通过选择与搭配词语义最相容的的同义词来进行替换。尽管该方法具有很强的实用性和较好的抗统计分析能力，但随着文本隐写分析技术的发展，该类信息隐藏方法已被成功攻击。如：基于同义词结对值特征的检测方法检测同义词中是否包含秘密信息的成功率达到86.2，而另一种方法利用上下文的相关信息来度量同义词的合适程度，并使用IDF(逆文本频率)指数来加权同义词的合适度，该方法其检测成功率达到了90.0%。

尽管自然语言文本信息隐藏方法可以有效地抵抗OCR攻击和重新排版等攻击，且已引起了国内外很多研究机构的注意并取得了许多重要的研究成果，但研究重点集中在考虑提高算法的容量，尽量避免语言学上的错误及失真如语言歧义、上下文不搭配、词形变换错误等。随着文本隐写分析技术的发展，研究出了多类文本中被隐写操作改变的统计特征，成功地检测到自然语言文本信息隐藏方法所隐藏的信息的存在性，从而导致隐蔽信道的不安全。因此，为了抵抗文本隐写分析的攻击，进行安全的秘密信息隐蔽安全传输，需要研究安全性更高的抗统计分析的文本隐藏方法。

在保证好的隐蔽性和大隐藏容量的前提下，使隐写文本具有与正常文本近似的统计特性，抵抗统计分析攻击，可以选择特定的文本内容进行信息隐藏。多项选择题是各类教育考试、认证考试及能力测试等考试中最流行且频繁使用的一种题型。随着网络和多媒体的广泛使用，网络上存在大量来自于考试真题、模拟题、练习题等的选择题题库。因此利用选择题题目来传输秘密信息并不会引起攻击者的特别注意。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足，提出一种抗统计分析的文本信息隐藏方法，所述方法以选择题为载体，使秘密信息能够通过含选择题的文本来隐蔽地安全存储和传输，其存在性不会被可能的隐写分析技术检测到。本发明实施时只需预先构建一个选择题题库，实现简单。首先从选择题题库中自动选取题目产生含秘密信息的文本，同时通过修改题目中选项的排列顺序进一步嵌入更多的秘密信息，提高嵌入比特率。自动产生的文本符合正常试卷、练习题文本的语言及统计特性，信息隐藏的过程没有改变各选择题的文字内容。本发明方法具有很强的隐蔽性及抗统计分析的能力。其次，隐藏容量可通过选取更多的选择题来不断扩充，满足大秘密信息嵌入的情况。

为了解决上述技术问题，本发明采用的技术方案如下：

一种抗统计分析的文本信息隐藏方法，包括秘密信息嵌入过程和隐藏的秘密信息提取过程；具体描述如下：

A，秘密信息嵌入过程，其步骤如下：

步骤A1，对选择题选项内容长度进行编码，

选取选项内容相互独立的选择题构建题库；将题库中多项选择题按选项个数分组，并记录每个组中选项个数；对于每个选择题，读取其选项内容，并按照基于选项内容长度的编码规则进行编码；

步骤A2，加密明文，获得的密文作为秘密信息，并被转换成一个大整数M；

步骤A3，设当前将要选择的选择题序号为i，其选项数目为n，初始化i=1,计算M’=M/2ⁿ，q_i=Mmod2ⁿ，其中M’、q_i均为整数，然后从题库中选择一个基于选项内容长度的编码值等于q_i的选择题t，并写入隐写文本中；其中，i=1,…,N,N为文本中选择题的总个数；

步骤A4，计算M=M’，即将M’的值重新赋给M；然后计算M’=M/n!，即重新给M’赋值；接着计算p_i=Mmodn!，即重新给p_i赋值；最后再用M’的值来更新M的值，即M=M’；得到密文的下一个待嵌入秘密信息p_i,然后对步骤A3中所述选择题t中选项进行重排列，使该排列对应的编码值等于p_i；

步骤A5，若M=0，则嵌入完成，输出含选定选择题的隐写文本，否则令i加1，并返回步骤A3；

B，隐藏的秘密信息提取过程，其步骤如下：

步骤B1，读取文本中包含的每个选择题的选项内容，根据约定的编码规则，依次计算选择题t_i中基于选项内容长度和选项排列对应的编码值q_i和p_i，并记录选择题t_i中选项个数n_i，其中，i=1,…,N,N为文本中选择题的总个数；

步骤B2，设M_N+1=0，迭代计算

,直至计算出M₁的值；

步骤B3，将整数M₁转换成字符并解密得到隐藏的秘密信息。

步骤A1中，所述基于选项内容长度的编码规则是指：根据选择题的选项在固定排序状态下选项内容长度的奇偶性，将具有n个选项的选择题编码成一个n比特的整数值，每个选项顺序对应一个编码比特位；如果一个选项的字符长度为奇数，则对应编码的比特位值为0；如果一个选项得字符长度为偶数，则对应编码的比特位值为1。

本发明的有益效果是：本发明提出了一种抗统计分析的文本信息隐藏方法，所述方法发送方收集大量相同主题的选择题并构建成题库，且不需要与接收方共享该题库。发送方通过对题库中题目进行基于选项内容长度的编码，根据秘密信息选取具有指定编码值的选择题自动产生逼真的隐写文本，同时将额外的秘密信息嵌入在隐写文本中选择题的选项排列顺序中，选项排列顺序的修改不会影响选择题的具体内容和各项统计特性。秘密信息的提取则直接通过计算隐写文本中每道题基于选项内容长度和选项排列的编码值来获取。本发明隐蔽性好、隐藏容量大、抗统计分析的能力强。

附图说明

图1为本发明的文本信息隐藏方法的嵌入过程框架图。

具体实施方式

下面结合附图，对本发明提出的一种抗统计分析的文本信息隐藏方法进行详细说明：

在信息嵌入之前，首先需要构建一个选择题题库。网上有许多现成的选择题题库如高考单项选择题题库、英语语法词汇题库、计算机等级考试选择题题库等。在本实施例中，采用英语学习的词汇题题库。在收集到大量选择题题目后，将具有语义相关选项（如选项内容为“以上都不是”，“a和b”，等等）的选择题删除。拟隐藏秘密信息字符串“China”，为了简化步骤，未对秘密信息加密而是直接嵌入到选择题中，其步骤为：

第一步，对构建好的题库按题中选项数目分组，并记录每个组中选项个数。最常见的选项个数为4，本实施例中仅仅采用选项个数均为4的选择题分组进行说明。然后对构建的题库中选择题进行编码，编码规则为：依次获取选择题中选项按字典升序排序后其内容字符长度的奇偶性，奇数代表0，偶数代表1，得一个二进制比特串后转换成整数值即当前选择题的编码值。

下面为一个英语词汇例题MCQ1：

I find the other________of"The Frog Prince"more entertaining.The originalstory is too predictable.

A.type B.kind C.tale D.version

MCQ1的四个选项按字典序的升序排列依次为：kind,tale,type,version，根据他们字符长度的奇偶性得二进制串0001，因此MCQ1的编码值为整数值1。

第二步：将秘密信息“China”转换为一个大整数M。

第三步：记选择题的选项个数为n（n=4），M’，q为整数，依次计算M’=M/2ⁿ，q=Mmod2ⁿ，得当前待嵌入秘密信息为q=1，然后从选择题库中任意选取编码值为1的选择题t写入隐写文本中。

第四步：顺序计算M=M’，即将M’的值重新赋给M，然后计算M’=M/n!，即重新给M’赋值，接着计算p=Mmodn!，即重新给p赋值，最后再用M’的值来更新M的值，即M=M’，得下一个待嵌入秘密信息为p=14，然后对第三步中选取的题t中选项进行重排列，使该排列的编码值等于14。因此修改MCQ1的选项排列为：A.typeB.taleC.kindD.version。对选项排列进行编码的具体规则如下：

选择题的选项个数为4，则这些选项有4！共24种可能的排列。将这24种可能的排列按字典序的升序进行排列，然后依次编码为0-23，因此每一种排列均对应唯一的一个编码值，如下表所示。

选项排列	编码值	选项排列	编码值	选项排列	编码值
						a1,a2,a3,a4	0	a1,a2,a4,a3	1	a1,a3,a2,a4	2
a1,a3,a4,a2	3	a1,a4,a2,a3	4	a1,a4,a3,a2	5
						a2,a1,a3,a4	6	a2,a1,a4,a3	7	a2,a3,a1,a4	8
a2,a3,a4,a1	9	a2,a4,a1,a3	10	a2,a4,a3,a1	11
						a3,a1,a2,a4	12	a3,a1,a4,a2	13	a3,a2,a1,a4	14
a3,a2,a4,a1	15	a3,a4,a1,a2	16	a3,a4,a2,a1	17
						a4，a1，a2，a3	18	a4，a1，a3，a2	19	a4，a2，a1，a3	20
a4,a2,a3,a1	21	a4,a3,a1,a2	22	a4,a3,a2,a1	23

其中a1,a2,a3,a4为选择题的选项内容，且按字典升序排列为：a1,a2,a3,a4。

第五步：如果M=0，则秘密信息嵌入完成，输出含选定选择题的文本；否则返回第三步，重复计算第三步，第四步中下一次待嵌入的秘密信息值。

接收方接收到含有秘密信息的隐写文本后，解码各选择题和选项排列对应的编码值提取出秘密信息。秘密信息提取过程的具体操作步骤如下：

第一步：依次读取隐写文本中选择题t_i中选项内容，对选项内容按字典升序排序并获得该排列状态下各选项内容长度的奇偶性，计算出基于内容长度的编码值q_i。然后查询选项排列与编码值的对应关系图，计算当前选项排列对应的编码值p_i，并记录t_i中选项个数n_i。i=1,…,N,N为文本中选择题的总个数。

第二步：设M_N+1=0，迭代计算

第三步：将整数M₁转换成字符即可恢复出隐藏的秘密信息“China”。

综上所述，本发明以选择题为载体提出一种抗统计分析的信息隐藏方法，根据选项内容长度和选项排列的编码规则，将秘密信息隐藏在含选择题的文本中。本发明生成的隐写文本内容逼真，且基于选项内容长度和选项排列的编码值的分布近似于其在正常文本中的分布。本发明具有强隐蔽性以及强抗统计分析能力，可抵抗隐写分析技术的攻击。

对该技术领域的普通技术人员来说，根据以上实施类型可以很容易的联想到其他的优点和变形，因此，本发明并不局限于上述具体实施例，其仅仅作为例子对本发明的一种形态进行详细、示范性的说明。在不背离本发明宗旨的范围内，本领域普通技术人员可以根据上述具体实施例通过各种等同替换所得到的技术方案，但是这些技术方案均应该包含在本发明的权利要求的范围及其等同的范围之内。

Claims

1.一种抗统计分析的文本信息隐藏方法，其特征在于，包括秘密信息嵌入过程和隐藏的秘密信息提取过程；具体描述如下：

A，秘密信息嵌入过程，其步骤如下：

步骤A1，对选择题选项内容长度进行编码，

B，隐藏的秘密信息提取过程，其步骤如下：

步骤B2，设M_N+1=0，迭代计算

，直至计算出M₁的值；

步骤B3，将整数M₁转换成字符并解密得到隐藏的秘密信息。

2.根据权利要求1所述的一种抗统计分析的文本信息隐藏方法，其特征在于，步骤A1中，所述基于选项内容长度的编码规则是指：根据选择题的选项在固定排序状态下选项内容长度的奇偶性，将具有n个选项的选择题编码成一个n比特的整数值，每个选项顺序对应一个编码比特位；如果一个选项的字符长度为奇数，则对应编码的比特位值为0；如果一个选项得字符长度为偶数，则对应编码的比特位值为1。