CN110135181B - 基于大数据搜索和傅立叶变换的信息隐藏方法和机器人 - Google Patents

Abstract

基于大数据搜索和傅立叶变换的信息隐藏方法和机器人系统，包括：将需要隐藏的秘密信息转换为原函数的数据进行傅立叶变换，得到像函数的数据作为第一信息，从大数据中搜出与所述第一信息匹配度高的第一数据，获取所述第一数据在大数据中的位置作为第一位置，将所述第一数据与所述第一信息之间的差异作为第二信息。上述方法和系统通过将秘密信息隐藏在大数据中并通过傅立叶变换秘密信息并将变换后的信息隐藏在大数据中的第一数据中，使得信息隐藏的数据量不受限、难以被破解，从而提高信息隐藏的容量和安全性。

Description

基于大数据搜索和傅立叶变换的信息隐藏方法和机器人

技术领域

本发明涉及信息技术领域，特别是涉及一种信息隐藏方法和机器人系统。

背景技术

信息隐藏技术(Information Hiding)，也就是信息隐藏，将在未来网络中保护信息不受破坏方面起到重要作用，信息隐藏是把机密信息隐藏在大量信息中不让对手发觉的一种方法。信息隐藏的方法主要有隐写术、数字水印技术、可视密码、潜信道、隐匿协议等。

傅里叶变换：

这是将频率域的函数F(ω)表示为时间域的函数f(t)的积分形式。傅里叶变换的逆变换为：

即将时间域的函数f(t)表示为频率域的函数F(ω)的积分。一般可称函数f(t)为原函数，而称函数F(ω)为傅里叶变换的像函数，原函数和像函数构成一个傅里叶变换对。通过傅立叶变换，坐标从空域变到了频域。通过傅立叶逆变换，坐标从频域变回到了空域。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：已有信息隐藏技术，由于载体对象和伪装对象的数据量有限，因此从载体对象和伪装对象中分析挖掘出秘密信息的复杂度和难度有限，从而使得秘密信息有可能被破解，导致信息隐藏的安全性不高。同时由于载体对象和伪装对象的数据量有限，无法隐藏大批量的秘密信息。

因此，现有技术还有待于改进和发展。

发明内容

基于此，有必要针对现有技术中信息隐藏的缺陷或不足，提供基于大数据搜索和傅立叶变换的信息隐藏方法和机器人系统，以解决现有技术中信息隐藏的数据量受限、易被破解的缺点。

第一方面，本发明实施例提供一种信息隐藏方法，所述方法包括：

傅立叶变换步骤：将需要隐藏的秘密信息转换为第一函数的数据进行傅立叶变换，得到第二函数的数据作为第一信息；

数据搜索步骤：从大数据中搜出与所述第一信息匹配度高的第一数据；

位置获取步骤：获取所述第一数据在大数据中的位置作为第一位置；

差异计算步骤：将所述第一数据与所述第一信息之间的差异作为第二信息。

优选地，

所述傅立叶变换步骤具体包括：

信息切分步骤：将秘密信息切分成多个部分秘密信息，然后分别转化为多个第一函数的数据分别进行傅立叶变换，分别得到对应的第二函数的数据作为多个第一信息；

所述数据搜索步骤具体包括：

多数据搜索步骤：从大数据中分别搜出与多个所述第一信息匹配度高的多个第一数据；

所述位置获取步骤具体包括：

多位置获取步骤：获取多个所述第一数据在大数据中的多个位置作为多个第一位置；

所述差异计算步骤具体包括：

多差异计算步骤：将多个所述第一数据与多个所述第一信息之间的对应差异作为多个第二信息。

优选地，所述将需要隐藏的秘密信息转换为第一函数的数据的步骤具体包括：获取秘密信息，将秘密信息切分成多个单元，将每个单元的编号作为所述第一函数的自变量的值，将每个单元的内容作为所述第一函数的值。

第二方面，本发明实施例提供一种信息提取方法，所述方法包括：

信息提取步骤：从大数据中的第一位置提取第一数据；

第一信息生成步骤：根据第一数据与第二信息生成第一信息；

傅立叶逆变换步骤：将所述第一信息作为第二函数的数据进行傅立叶逆变换，得到第一函数的数据，所述第一函数的数据转换得到秘密信息。

优选地，

所述信息提取步骤具体包括：

多信息提取步骤：从大数据中的多个第一位置提取多个第一数据；

所述第一信息生成步骤具体包括：

多第一信息生成步骤：根据多个所述第一数据与对应的多个第二信息生成多个第一信息；

所述傅立叶逆变换步骤具体包括

多傅立叶逆变换步骤：将所述多个第一信息作为多个第二函数的数据，对每个第二函数的数据进行傅立叶逆变换，得到多个第一函数的数据，所述多个第一函数的数据转换得到多个部分秘密信息；

信息合成步骤：将所述多个部分秘密信息合成得到秘密信息。

优选地，所述第一函数的数据转换得到秘密信息的步骤具体为：对第一函数的自变量在定义范围内进行取值，得到第一函数的值，将所述第一函数的值组合成秘密信息。

第三方面，本发明实施例提供一种信息存取方法，其特征在于，所述方法包括所述的信息隐藏方法和所述的信息提取方法。

第四方面，本发明实施例提供一种信息隐藏系统，所述系统包括：

傅立叶变换模块：将需要隐藏的秘密信息转换为第一函数的数据进行傅立叶变换，得到第二函数的数据作为第一信息；

数据搜索模块：从大数据中搜出与所述第一信息匹配度高的第一数据；

位置获取模块：获取所述第一数据在大数据中的位置作为第一位置；

差异计算模块：将所述第一数据与所述第一信息之间的差异作为第二信息。

优选地，

所述傅立叶变换模块具体包括：

信息切分模块：将秘密信息切分成多个部分秘密信息，然后分别转化为多个第一函数的数据分别进行傅立叶变换，分别得到对应的第二函数的数据作为多个第一信息；

所述数据搜索模块具体包括：

多数据搜索模块：从大数据中分别搜出与多个所述第一信息匹配度高的多个第一数据；

所述位置获取模块具体包括：

多位置获取模块：获取多个所述第一数据在大数据中的多个位置作为多个第一位置；

所述差异计算模块具体包括：

多差异计算模块：将多个所述第一数据与多个所述第一信息之间的对应差异作为多个第二信息。

优选地，所述将需要隐藏的秘密信息转换为第一函数的数据的模块具体包括：获取秘密信息，将秘密信息切分成多个单元，将每个单元的编号作为所述第一函数的自变量的值，将每个单元的内容作为所述第一函数的值。

第五方面，本发明实施例提供一种信息提取系统，所述系统包括：

信息提取模块：从大数据中的第一位置提取第一数据；

第一信息生成模块：根据第一数据与第二信息生成第一信息；

傅立叶逆变换模块：将所述第一信息作为第二函数的数据进行傅立叶逆变换，得到第一函数的数据，所述第一函数的数据转换得到秘密信息。

优选地，所述信息提取模块具体包括：

多信息提取模块：从大数据中的多个第一位置提取多个第一数据；

所述第一信息生成模块具体包括：

多第一信息生成模块：根据多个所述第一数据与对应的多个第二信息生成多个第一信息；

所述傅立叶逆变换模块具体包括

多傅立叶逆变换模块：将所述多个第一信息作为多个第二函数的数据，对每个第二函数的数据进行傅立叶逆变换，得到多个第一函数的数据，所述多个第一函数的数据转换得到多个部分秘密信息；

信息合成模块：将所述多个部分秘密信息合成得到秘密信息。

优选地，所述傅立叶逆变换模块中第一函数的数据转换得到秘密信息具体为：对第一函数的自变量在定义范围内进行取值，得到第一函数的值，将所述第一函数的值组合成秘密信息。

第六方面，本发明实施例提供一种信息存取系统，其特征在于，所述系统包括所述的信息隐藏方法和所述的信息提取方法。

第七方面，本发明实施例提供一种机器人系统，所述机器人中分别配置有如第四方面所述的信息隐藏系统和第五方面所述的信息提取系统。

本发明实施例的有益效果：

1、基于大数据搜索的信息隐藏技术，由于载体对象和伪装对象的数据量极大，因此从数据量极大的载体对象和伪装对象中分析挖掘出秘密信息的复杂度和难度非常高，如同″大海捞针″，从而使得秘密信息极不可能被破解，导致信息隐藏的安全性极高。同时由于载体对象和伪装对象的数据量大，可以隐藏大批量的秘密信息。

2、因为对大数据拥有权限，但对秘密信息不拥有权限的人们不知道第一位置与第二信息，所以无法通过大数据提取秘密信息，所以确保了秘密信息的安全性。

3、因为第一信息是与所述秘密信息匹配度最高的数据，所以第一信息与秘密信息的差异很小，因此第二信息的数据量很小；同时因为第一位置是第一信息对应的位置或编号，所以第一位置的数据量也很小；所以只要将数据量很小的第一位置与第二信息发送给对秘密信息拥有权限的用户，就可以使得该用户能够从大数据中通过合成提取秘密信息，其网络开销、存储开销、计算开销都极低。

4、对秘密信息进行变换得到第一函数再进行傅立叶变换得到第二函数，就能使得即使从大数据中获得了第二函数，也难以破解出秘密信息，从而大大增加未被授权者察觉和破解的难度，从而极大提高了信息隐藏的安全性。

本发明实施例提供的基于大数据搜索和傅立叶变换的信息隐藏方法和机器人系统，包括：将需要隐藏的秘密信息转换为原函数的数据进行傅立叶变换，得到像函数的数据作为第一信息，从大数据中搜出与所述第一信息匹配度高的第一数据，获取所述第一数据在大数据中的位置作为第一位置，将所述第一数据与所述第一信息之间的差异作为第二信息。上述方法和系统通过将秘密信息隐藏在大数据中并通过傅立叶变换秘密信息并将变换后的信息隐藏在大数据中的第一数据中，使得信息隐藏的数据量不受限、难以被破解，从而提高信息隐藏的容量和安全性。

附图说明

图1为本发明的实施例1提供的信息隐藏方法的流程图；

图2为本发明的实施例3提供的信息提取方法的流程图；

图3为本发明的实施例5提供的信息隐藏与提取方法的流程图；

图4为本发明的实施例6提供的信息提取系统的原理框图；

图5为本发明的实施例8提供的信息隐藏系统的原理框图；

图6为本发明的实施例10提供的信息隐藏与提取系统的原理框图；

图7为本发明的实施例11提供的信息隐藏与提取机器人系统的原理框图。

具体实施方式

下面结合本发明实施方式，对本发明实施例中的技术方案进行详细地描述。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

实施例1提供一种信息隐藏方法，如图1所示，所述方法包括步骤S110至步骤S140。

傅立叶变换步骤S110：将需要隐藏的秘密信息x转换为第一函数f(t)的数据，以第一函数f(t)作为原函数进行傅立叶变换

得到的像函数作为第二函数F(w)，得到的第二函数F(w)的数据作为第一信息y。秘密信息指的是待隐藏的信息，可以是文字、密码、图像、图形或声音等等。优选地，获取秘密信息x，将秘密信息切分成多个单元(优选地，切分的方式包括按照空间切分或按照时间切分或按照顺序切分)，将每个单元的编号作为t的值(优选地，所述编号包括空间位置或时间或序号，如果按照空间切分则编号是空间位置，如果按照时间切分则编号是时间，如果按照顺序切分则编号是序号)，将每个单元的内容作为f(t)的值。优选地，获取t值最小的编号作为起始编号，获取t值最大的编号作为终止编号。优选地，所述单元为基本单元，例如如果是文本，则基本单元为字，如果是图像，则基本单元为像素，如果是视频，则基本单元为帧。例如，如果秘密信息是一段文字，则将该段文字中每个文字在该段文字中的序号作为t的值，将每个文字内容作为f(t)的值，例如该段文字是″我爱你″，则t＝1时f(1)＝″我″，t＝2时f(2)＝″爱″，t＝3时f(3)＝″你″，当t为1、2、3以外的值时，f(t)均为0。例如，如果秘密信息是一个图片，则将该个图片中每个像素点在该图片中的位置序号作为t的值，将每个像素点的像素值作为f(t)的值。有益效果：秘密信息通过可逆函数转换成了第一信息，使得即使第一信息被破解，也无法恢复出秘密信息，进一步提高了秘密信息的安全性和难以破解性。

数据搜索步骤S120：从大数据中搜出与第一信息y匹配度高的第一数据y′。具体实施时，获取预设的匹配度阈值，从大数据中搜出与第一信息匹配度大于所述匹配度阈值的第一数据y′。

位置获取步骤S130获取第一数据y′在大数据中的位置作为第一位置s。优选地，第一位置s包括第一起始位置s1、第一结束位置s2，则y′在第一起始位置s1与第一结束位置s2之间。

差异计算步骤S140：将第一数据y′与第一信息y之间的差异作为第二信息z。第一信息与第一数据之间的差异作为第二信息，便于在提取阶段时可以通过第二信息和第一数据恢复第一信息。公式：第二信息＝f(第一信息，第一数据)，即z＝f(y，y′)，其中f是求差异的函数，如果第一信息，第一数据和第二信息都是数字的格式，那么所述公式可以简化为：第二信息＝第一信息-第一数据。

信息发送步骤S150：将第一位置s、第二信息z发送给用户。

实施例1的主要有益效果：因为大数据的数据量很大，即使有人知道第一数据在大数据中，只要不知道第一数据的位置，也很难大海捞针地找到第一数据，而且即使知道了第一数据，也无法得到第一信息，再进一步，即使得到了第一信息，但通过傅立叶变换后像函数的数据已经完全不同于秘密信息，所以也无法根据秘密信息的特征在大数据中查找或搜索或挖掘到像函数的数据。通过傅立叶变换的有益效果是在信息提取阶段可通过傅立叶逆变换进行恢复秘密信息。将秘密信息变换成原函数的数据进行傅立叶逆变换得到像函数的数据，与大数据搜索进行结合，好处在于使得傅立叶逆变换得到的像函数的数据不再具备秘密信息的特性或关键词，而且第一数据是大数据中本身就有的，从而使得无法通过秘密信息的特征或关键词从大数据中搜索到第一信息或秘密信息，所以即使用户在大数据中看到了第一数据，也不知道与秘密信息有什么联系。反之，如果直接将秘密信息插入大数据，那么只要知道秘密信息的有关特性或关键词，根据特性和关键词进行检索就有可能从大数据中找到蛛丝马迹，虽然这个搜索的时间需要比较长，但只要花费足够长的时间，还是有可能搜索到的。

实施例2提供一种优选的信息隐藏方法，根据实施例1所述的信息隐藏方法，结合大数据，傅立叶变换步骤S110具体包括步骤S111；信息插入步骤S120具体包括步骤S121；位置获取步骤S130具体包括步骤S131。

信息切分步骤S111：将秘密信息x切分成多个部分秘密信息x1，x2，...，xm(m为切分的份数)，然后分别转化为多个第一函数f(t1)，f(t2)，...，f(tm)的数据，然后以多个所述第一函数作为原函数分别进行傅立叶变换

分别将所述多个第一函数对应的像函数作为多个第二函数F(w1)，F(w2)，...，F(wm)，得到多个第二函数的数据作为多个第一信息y1，y2，...，ym。优选地，将秘密信息x作为字符串等长地切分为m份，成为x1，x2，...，xm。优选地，记录切分后各部分秘密信息的序号，并将其序号加入到相应部分秘密信息的头部，例如x1变为1x1，x2变为2x2，...，xm变为mxm。例如x1为″你好″，则x1变为1x1就是″1你好″。将每个部分秘密信息xi转化为相应函数f(ti)的数据的具体步骤类似实施例中将秘密信息x转化为相应第一函数f(t)的数据的具体步骤，在此不再赘述。

多数据搜索步骤S121：从大数据中分别搜出与多个第一信息y1，y2，...，ym匹配度高的多个第一数据y1′，y2′，...，ym′；

多位置获取步骤S131：获取多个第一数据y1′，y2′，...，ym′在大数据中的多个位置作为多个第一位置s1，s2，...，sm。

多差异计算步骤S141：将多个第一数据y1′，y2′，...，ym′与多个第一信息y1，y2，...，ym之间的对应差异作为多个第二信息z1，z2，...，zm。其中，z1＝f(y1，y1′)，z2＝f(y2，y2′)，...，zm＝f(ym，ym′)。

实施例2的主要有益效果：秘密信息切分成不同部分再转换，使得即使其中部分秘密信息被破解，也无法恢复出秘密信息所有部分，进而无法恢复出秘密信息，进一步提高了秘密信息的安全性和难以破解性。

由于后面所述系统解决问题的原理与前述方法相似，因此后面所述系统的实施可以参见前述方法的实施，重复之处不再赘述。

实施例3、4是分别与实施例1、2对应的信息提取方法。实施例3、4的优选实施方式及有益效果分别与实施例1、2类似，不再赘述。

实施例3提供一种信息提取方法，如图2所示，所述方法包括步骤S210至步骤S230。

信息获取步骤S210：接受用户输入的第一位置s、第二信息z。

信息提取步骤S220：从大数据中的第一位置s提取第一数据y′。

第一信息生成步骤S230根据第一数据y′与第二信息z生成第一信息y。因为在隐藏阶段，第二信息＝f(第一信息，第一数据)，其中f是求第一信息与第一数据之间差异的函数，所以在恢复秘密信息时，要将第二信息和第一数据代入这个公式中来计算得到第一信息。当第一数据和第二信息都是数字时，第一信息＝第一数据+第二信息。

傅立叶逆变换步骤S240：将所述第一信息即第二函数F(w)的数据作为像函数进行傅立叶逆变换

得到原函数的数据作为第一函数f(t)的数据。优选地，将第一函数f(t)的数据转换为秘密信息x。将第一函数f(t)的数据转换为秘密信息x的具体方式为：对t在定义范围内进行取值，得到f(t)的值，将f(t)的值按对应的t的取值大小进行排序后拼接成秘密信息x。优选地，t在所述起始编号和所述终止编号之间取值，将f(t)的值按对应的t的取值大小进行排序后拼接成秘密信息x。例如所述起始编号为1，所述终止编号为3，t＝1时f(t)＝你，t＝2时f(t)＝来，t＝3时f(t)＝嘛，则将f(t)的值按对应的t的取值从小到大进行排序(f(1)，f(2)，f(3))后拼接成秘密信息x为″你来嘛″。

有益效果：通过傅立叶逆变换可以将从大数据中提取的像函数的数据还原为原函数的数据，并进一步转换为秘密信息，使得秘密信息可以无损地还原。

实施例4提供一种信息提取方法，根据实施例3所述的信息提取方法，结合大数据，信息获取步骤S210具体包括步骤S211；提取信息步骤S220具体包括步骤S221；傅立叶逆变换步骤S230具体包括步骤S231和S232。

多信息获取步骤S211：接受用户输入的多个第一位置s1，s2，...，sm。

多信息提取步骤S221：从大数据中的多个第一位置s1，s2，...，sm提取多个第一数据y1′，y2′，...，ym′。

多第一信息生成步骤S231：根据多个第一数据y1′，y2′，...，ym′与对应的多个第二信息z1，z2，...，zm生成多个第一信息y1，y2，...，ym。其中，z1＝f(y1，y1′)，z2＝f(y2，y2′)，...，zm＝f(ym，ym′)。

多傅立叶逆变换步骤S241：将所述第一信息即多个第二函数F(w1)，F(w2)，...，F(wm)的数据作为多个像函数的数据，对每个像函数的数据进行傅立叶逆变换

得到多个原函数的数据作为第一函数f(t1)，f(t2)，...，f(tm)的数据。将所述多个第一函数f(t1)，f(t2)，...，f(tm)的数据分别进行转换得到多个部分秘密信息x1，x2，...，xm。将每个第一函数f(ti)的数据转化为部分秘密信息xi的具体步骤类似第四实施例中将第一函数f(t)的数据转化为秘密信息x的具体步骤，在此不再赘述。

信息合成步骤S242：将多个部分秘密信息x1，x2，...，xm合成得到秘密信息x。优选地，将秘密信息x作为字符串等长地切分为m份，成为x1，x2，...，xm。优选地，从相应部分秘密信息的头部提取序号，例如1x1中提取1和x1，2x2中提取2和x2，...，mxm中提取m和xm。根据序号的先后顺序对x1，x2，...，xm进行组合得到x。

有益效果：通过傅立叶逆变换可以将从大数据中搜索合成得到的多个像函数的数据还原为多个原函数数据，并进一步转换为多个部分秘密信息，最终合成秘密信息，使得秘密信息可以无损地还原。

实施例5提供一种信息存取方法即信息隐藏与提取方法，如图3所示，信息存取方法由实施例1至2任一项的信息隐藏方法和实施例3至4任一项的信息提取方法组成。

实施例6-10是分别与实施例1-5对应的系统。实施例6-10的优选实施方式及有益效果分别与实施例1-5类似，不再赘述。

实施例6提供一种信息隐藏系统，如图4所示，所述系统包括模块110至模块150。

傅立叶变换模块110：将需要隐藏的秘密信息x转换为第一函数f(t)的数据，以第一函数f(t)作为原函数进行傅立叶变换

得到的像函数作为第二函数F(w)，得到的第二函数F(w)的数据作为第一信息y。

数据搜索模块120：从大数据中搜出与第一信息y匹配度高的第一数据y′。

位置获取模块130：获取第一数据y′在大数据中的位置作为第一位置s。

差异计算模块140：将第一数据y′与第一信息y之间的差异作为第二信息z。

信息发送模块150：将第一位置s、第二信息z发送给用户。

实施例7提供一种优选的信息隐藏系统，根据实施例6所述的信息隐藏系统，结合大数据。

模块110还包括信息切分模块111：将秘密信息x切分成多个部分秘密信息x1，x2，...，xm(m为切分的份数)然后分别转化为多个第一函数f(t1)，f(t2)，...，f(tm)的数据，然后以多个所述第一函数作为原函数分别进行傅立叶变换

分别将所述多个第一函数对应的像函数作为多个第二函数F(w1)，F(w2)，...，F(wm)，得到多个第二函数的数据作为多个第一信息y1，y2，...，ym。

模块120还包括多数据搜索模块121：从大数据中分别搜出与多个第一信息y1，y2，...，ym匹配度高的多个第一数据y1′，y2′，...，ym′。

模块130还包括多位置获取模块131：获取多个第一数据y1′，y2′，...，ym′在大数据中的多个位置作为多个第一位置s1，s2，...，sm。

模块140还包括多差异计算模块141：将多个第一数据y1′，y2′，...，ym′与多个第一信息y1，y2，...，ym之间的对应差异作为多个第二信息z1，z2，...，zm。

实施例8、9是分别与实施例6、7对应的信息提取系统。实施例8、9的优选实施方式及有益效果分别与实施例6、7类似，不再赘述。

实施例8提供一种信息提取系统，如图5所示，所述系统包括模块210至模块230。

信息获取模块210：接受用户输入的第一位置s。

信息提取模块220：从大数据中的第一位置s提取第一数据y′。

第一信息生成模块230：根据第一数据y′与第二信息z生成第一信息y。

傅立叶逆变换模块240：将所述第一信息即第二函数F(w)的数据作为像函数进行傅立叶逆变换

得到原函数的数据作为第一函数f(t)的数据。优选地，将第一函数f(t)的数据转换为秘密信息x。

实施例9提供一种信息提取系统，根据实施例8所述的信息提取系统，结合大数据。

模块210还包括多信息获取模块211：接受用户输入的多个第一位置s1，s2，...，sm。

模块220还包括多信息提取模块221：从大数据中的多个第一位置s1，s2，...，sm提取多个第一数据y1′，y2′，...，ym′。

模块230还包括多第一信息生成模块231：根据多个第一数据y1′，y2′，...，ym′与对应的多个第二信息z1，z2，...，zm生成多个第一信息y1，y2，...，ym。

模块240还包括多傅立叶逆变换模块241：将所述第一信息即多个第二函数F(w1)，F(w2)，...，F(wm)的数据作为多个像函数的数据，对每个像函数的数据进行傅立叶逆变换

得到多个原函数的数据作为第一函数f(t1)，f(t2)，...，f(tm)的数据。将所述多个第一函数f(t1)，f(t2)，...，f(tm)的数据分别进行转换得到多个部分秘密信息x1，x2，...，xm。

模块240还包括信息合成模块242：将多个部分秘密信息x1，x2，...，xm合成得到秘密信息x。

实施例10提供一种信息存取系统即信息隐藏与提取系统，如图6所示，信息存取系统由实施例6至7任一项的信息隐藏系统和实施例8至9任一项的信息提取系统组成。

实施例11提供一种信息存取机器人系统即信息隐藏与提取机器人系统，如图7所示，信息存取机器人系统由实施例1至5任一项的信息隐藏系统和实施例6至10任一项的信息提取系统组成。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种信息隐藏方法，其特征在于，所述方法包括：

傅立叶变换步骤：将需要隐藏的秘密信息x转换为第一函数f(t)的数据，以第一函数f(t)作为原函数进行傅立叶变换得到的像函数作为第二函数F(w)，得到的第二函数F(w)的数据作为第一信息y；所述傅立叶变换步骤具体包括：

信息切分步骤：将秘密信息切分成多个部分秘密信息，然后分别转化为多个第一函数的数据分别进行傅立叶变换，分别得到对应的第二函数的数据作为多个第一信息；获取秘密信息x，将秘密信息切分成多个单元；切分的方式包括按照空间切分或按照时间切分或按照顺序切分；将每个单元的编号作为t的值；所述编号包括空间位置或时间或序号，如果按照空间切分则编号是空间位置，如果按照时间切分则编号是时间，如果按照顺序切分则编号是序号；将每个单元的内容作为f(t)的值；

数据搜索步骤：从大数据中搜出与第一信息y匹配度高的第一数据y′；获取预设的匹配度阈值，从大数据中搜出与第一信息匹配度大于所述匹配度阈值的第一数据y′；

位置获取步骤：获取第一数据y′在大数据中的位置作为第一位置s；第一位置s包括第一起始位置s1、第一结束位置s2，则y′在第一起始位置s1与第一结束位置s2之间；

差异计算步骤：将所述第一数据与所述第一信息之间的差异作为第二信息；第二信息＝f(第一信息，第一数据)，其中f是求差异的函数；将第一数据y′与第一信息y之间的差异作为第二信息z；第二信息＝f(第一信息，第一数据)，即z＝f(y，y′)，其中f是求差异的函数。

2.根据权利要求1所述的信息隐藏方法，其特征在于，

所述数据搜索步骤具体包括：

多数据搜索步骤：从大数据中分别搜出与多个所述第一信息匹配度高的多个第一数据；

所述位置获取步骤具体包括：

多位置获取步骤：获取多个所述第一数据在大数据中的多个位置作为多个第一位置；

所述差异计算步骤具体包括：

多差异计算步骤：将多个所述第一数据与多个所述第一信息之间的对应差异作为多个第二信息。

3.根据权利要求1所述的信息隐藏方法，其特征在于，所述将需要隐藏的秘密信息转换为第一函数的数据的步骤具体包括：获取秘密信息，将秘密信息切分成多个单元，将每个单元的编号作为所述第一函数的自变量的值，将每个单元的内容作为所述第一函数的值。

4.一种信息提取方法，其特征在于，所述方法包括：

信息提取步骤：从大数据中的第一位置s提取第一数据y′；

第一信息生成步骤：根据第一数据y′与第二信息z生成第一信息y；在恢复秘密信息时，要将第二信息和第一数据代入“第二信息＝f(第一信息，第一数据)”公式中来计算得到第一信息；

傅立叶逆变换步骤：将所述第一信息即第二函数F(w)的数据作为像函数进行傅立叶逆变换得到原函数的数据作为第一函数f(t)的数据，所述第一函数f(t)的数据转换得到秘密信息；

所述信息提取步骤具体包括：

多信息提取步骤：从大数据中的多个第一位置提取多个第一数据；

所述第一信息生成步骤具体包括：

多第一信息生成步骤：根据多个所述第一数据与对应的多个第二信息生成多个第一信息；

所述傅立叶逆变换步骤具体包括

多傅立叶逆变换步骤：将所述多个第一信息作为多个第二函数的数据，对每个第二函数的数据进行傅立叶逆变换，得到多个第一函数的数据，所述多个第一函数的数据转换得到多个部分秘密信息；

信息合成步骤：将所述多个部分秘密信息合成得到秘密信息。

5.根据权利要求4所述的信息提取方法，其特征在于，所述第一函数的数据转换得到秘密信息的步骤具体为：对第一函数的自变量在定义范围内进行取值，得到第一函数的值，将所述第一函数的值组合成秘密信息。

6.一种信息存取方法，其特征在于，所述方法包括权利要求1-3任一项所述的信息隐藏方法和权利要求4-5任一项所述的信息提取方法。

7.一种信息隐藏系统，其特征在于，所述系统包括：

傅立叶变换模块：将需要隐藏的秘密信息x转换为第一函数f(t)的数据，以第一函数f(t)作为原函数进行傅立叶变换得到的像函数作为第二函数F(w)，得到的第二函数F(w)的数据作为第一信息y；

所述傅立叶变换模块具体包括：

信息切分模块：将秘密信息切分成多个部分秘密信息，然后分别转化为多个第一函数的数据分别进行傅立叶变换，分别得到对应的第二函数的数据作为多个第一信息；获取秘密信息x，将秘密信息切分成多个单元；切分的方式包括按照空间切分或按照时间切分或按照顺序切分；将每个单元的编号作为t的值；所述编号包括空间位置或时间或序号，如果按照空间切分则编号是空间位置，如果按照时间切分则编号是时间，如果按照顺序切分则编号是序号；将每个单元的内容作为f(t)的值；

数据搜索模块：从大数据中搜出与第一信息y匹配度高的第一数据y′；获取预设的匹配度阈值，从大数据中搜出与第一信息匹配度大于所述匹配度阈值的第一数据y′；

位置获取模块：获取第一数据y′在大数据中的位置作为第一位置s；第一位置s包括第一起始位置s1、第一结束位置s2，则y′在第一起始位置s1与第一结束位置s2之间；

差异计算模块：将所述第一数据与所述第一信息之间的差异作为第二信息；第二信息＝f(第一信息，第一数据)，其中f是求差异的函数；将第一数据y′与第一信息y之间的差异作为第二信息z；第二信息＝f(第一信息，第一数据)，即z＝f(y，y′)，其中f是求差异的函数。

8.一种信息提取系统，其特征在于，所述系统包括：

信息提取模块：从大数据中的第一位置s提取第一数据y′；

第一信息生成模块：根据第一数据y′与第二信息z生成第一信息y；在恢复秘密信息时，要将第二信息和第一数据代入“第二信息＝f(第一信息，第一数据)”公式中来计算得到第一信息；

傅立叶逆变换模块：将所述第一信息即第二函数F(w)的数据作为像函数进行傅立叶逆变换得到原函数的数据作为第一函数f(t)的数据，所述第一函数f(t)的数据转换得到秘密信息；

所述信息提取模块具体包括：

多信息提取模块：从大数据中的多个第一位置提取多个第一数据；

所述第一信息生成模块具体包括：

多第一信息生成模块：根据多个所述第一数据与对应的多个第二信息生成多个第一信息；

所述傅立叶逆变换模块具体包括

多傅立叶逆变换模块：将所述多个第一信息作为多个第二函数的数据，对每个第二函数的数据进行傅立叶逆变换，得到多个第一函数的数据，所述多个第一函数的数据转换得到多个部分秘密信息；

信息合成模块：将所述多个部分秘密信息合成得到秘密信息。

9.一种机器人系统，其特征在于，所述机器人中分别配置有如权利要求7所述的信息隐藏系统和权利要求8所述的信息提取系统。

Images