CN112966282B - 一种部件直方图的文本无载体隐写方法与装置 - Google Patents

Abstract

本发明公开了一种部件直方图的文本无载体隐写方法与装置，包括：步骤1：文本库的码本构建；步骤2：秘密信息预处理；步骤3：基于随机文本选择的隐藏方法；步骤4：信息隐藏；步骤5：秘密索引的构建；步骤6：秘密信息的提取。与现有文本无载体信息隐藏技术相比，本发明至多能将所有秘密信息隐藏在一个文本中，大幅度提高了隐藏容量，且在提取过程中利用混合索引结构而非自然语言处理的方法，增大了隐藏成功率。

Description

一种部件直方图的文本无载体隐写方法与装置

技术领域

本发明属于信息安全技术领域，尤其涉及一种基于部件直方图的文本无载体信息隐藏方法。

背景技术

网络与通信技术的发展极大地推动了生产力变革，成为社会发展不可或缺的支柱力量。受互联网的开放性特点影响，数据安全面临的风险日益复杂，通信活动的隐蔽性和安全性亟待加强。

其中，技术方案——Chen X，Sun H，et al.Coverless Information HidingMethod Based on the Chinese Mathematical Expression.公开了以汉字数学表达式为基本理论，将秘密信息进行分词，利用字转换协议，转换为新的关键词；再设计定位标签协议，从而生成包含转换后的关键词以及定位标签的组合，通过搜索包含数据库中组合的文本，达到信息隐藏的目的。

但是，目前传统的基于搜索的文本无载体信息隐藏，传输载体为文本，一个文本平均只能隐藏一个关键字，导致隐藏容量低，在提取过程中，运用的自然语言处理方法会存在歧义和二义性等问题，使得隐藏成功率下降。

因此，提供一种信息隐藏容量大、隐藏成功率高的无载体信息隐藏方法是本领域技术人员亟需解决的问题。

发明内容

本发明针对目前无载体信息隐藏存在的信息隐藏容量小、隐藏成功率低的问题，提出一种部件直方图的文本无载体隐写方法与装置，显著提升了隐藏成功率与隐藏容量。

为了实现上述目的，本发明采用以下技术方案：

一种部件直方图的文本无载体隐写方法与装置，其特征在于，包括：

步骤1：文本库的码本构建；

步骤2：秘密信息预处理；

步骤3：基于随机文本选择的隐藏方法；

步骤4：信息隐藏；

步骤5：秘密索引的构建；

步骤6：秘密信息的提取。

优选的，文本的无载体信息隐藏依托于文本数据库，本文选取搜狗实验室公开的新闻数据集作为文本载体库，通过构建文本库中每篇文本的部件直方图作为信息隐藏的码本，文本的部件直方图的概念是由图像的灰度直方图引申而来，部件直方图是部件级的函数，能够反映出文本中所有部件的统计分布特征，文本的部件直方图由部件编号、部件频次以及部件频次的排名(即部件的阶)三部分构成；

部件直方图CFR(Component-Frequency-Rank)定义如下：

CFR＝{c_i,fc_i,rc_i|i＝1,2,3…,U} (2.1)

其中，U是部件总数，是部件编号，是部件出现的次数，是部件在这篇文本部件直方图中的阶；

具体生成方法为：将文本里的所有汉字转换为汉字数学表达式，然后统计文本中所有汉字的数学表达式中的部件，得到所有部件在该文本中出现的次数，最后以部件编号为横坐标，以部件频次为纵坐标，按照部件出现的频次排序做出统计图，就得到了文本汉字的部件直方图；它能直观地表示某一篇文本中出现的所有部件的次数以及排名情况；具体方法如下：

步骤1.1:遍历文本库中所有文本，将每篇文本生成唯一的哈希值作为文本编号；

步骤1.2:对于每一篇文本，遍历文本中的汉字，根据每个汉字的数学表达式，将每个汉字拆分为部件，统计文本中所有汉字的部件号、部件频次和部件的阶(即部件频次排名)，构建成该文本的部件直方图。

步骤1.3:以文本编号为表名，将文本的部件直方图写入数据库中。

优选的，在对秘密信息隐藏前，发送方与接收方根据约定的公开库文本构建部件直方图码本库，接收方隐藏秘密信息前，需对秘密信息进行预处理，假设秘密信息为M,其中M由n个汉字构成，不妨记作：

M＝{m₁,m₂,m₃,…,m_n} (1)

将秘密信息M的每个汉字m_i转换为汉字数学表达式，即将M转换为M′，如公式2所示：

M′＝EXP(M)＝{m′₁,m′₂,m′₃,…,m′_n} (2)

其中EXP是汉字数学表达式转换函数，EXP(M)表示将秘密信息每个汉字转换为汉字数学表达式，由于每个汉字的数学表达式是唯一的，故可以根据汉字数学表达式可以还原为原汉字，则有：

M＝EXP(M′) (3)

优选的，为保证秘密信息隐藏的鲁棒性，本文提出一种基于随机文本选择的隐藏方法，主要思路是发送方在隐藏秘密信息时，在构建好的部件直方图码本库中随机选择一定量的文本部件直方图，根据秘密信息部件直方图进行运算，得到能包含秘密信息所有部件的含密载体文本部件直方图，然后结合秘密信息的汉字表达式，将秘密信息的部件号映射为含密载体文本部件直方图中的阶的表达式作为索引，为保证传输效率，将生成的索引进行哈夫曼编码，生成一个二进制文件发送给接收方；具体方法和步骤如下：

步骤3.1：使用秘密信息预处理中的方法，将秘密信息所有汉字转换为汉字数学表达式；

步骤3.2：获取到秘密信息所有汉字的数学表达式后，提取数学表达式中的所有部件，构建成秘密信息的部件直方图，记作Msg_Com_Hist；

步骤3.3：为保证搜索载密文本的随机性，增加隐藏鲁棒性，同时也提高检索效率，本文提出一种随机文本选择方法实现信息进行检索载密文本，主要思想是在公开载体库中随机抽取一定比率的载体文本与秘密信息的部件直方图做运算，从中获得一个包含秘密信息所有部件的载体文本；假设公开文本库包含文本总数为X，随机抽取的载体文本数量为x，则选择阈值：

优选的，本发明以中文汉字为研究对象，通过借助汉字数学表达式，提出一种基于部件直方图的无载体信息隐藏方法，具体步骤如下所示：

步骤4.1：利用公式2将秘密信息M转换为数学表达式M′，同时计算M′的部件直方图；

步骤4.2：构建码本库的部件直方图，并根据阈值δ随机选择一定数量的文本部件直方图；

步骤4.3：若秘密信息的部件直方图是文本的部件直方图集合的子集，从中选择一个含密载体文本，其文本编号作为文本索引；

步骤4.4：利用公式7和公式8，将数学表达式的部件号和运算符分别映射为含密载体文本部件直方图中的阶和字母运算符，并用分隔符’J’作为每个汉字数学表达式的边界，将其作为秘密信息索引；

步骤4.5：秘密信息索引和文本索引构成混合秘密索引，对混合秘密索引进行哈夫曼编码，形成二进制序列，将其压缩至二进制文本，最后发送给接收方。

优选的，当发送方获得可以隐藏秘密信息的载体文本后，可根据载体文本的部件直方图构建秘密信息索引；本文以秘密信息的汉字表达式为驱动，通过阶-部件映射规则，将秘密信息汉字数学表达式的部件映射为载体文本中部件直方图的阶，然后通过运算符映射规则，将秘密信息汉字数学表达式的运算符映射为指定的字符；通过映射部件和运算符后，形成新的表达式作为秘密信息索引，另外为保证接收方能找到含密载体，将含密载体文本的编号附加于秘密信息索引后面，构成“秘密信息索引+文本索引”混合结构；

映射规则定义如下：

阶-部件映射规则

已知部件直方图CFR包含部件(component)、部件频次(frequency)和部件的阶(rank)三部分；其中部件和阶在任何一个部件直方图中可唯一表示，也即在部件直方图中，部件和阶具有唯一对应关系；故可定义部件和阶的转换函数CH，存在

rank＝CH(component) (5)

component＝CH(rank) (6)

运算符映射规则；

由于汉字表达式中六个运算符均占用两位字节，为节约空间及便于表达，定义一个映射关系如下：

其中，′ud′,′ru′,′lr′,′we′,lu′,ld′是六个运算符，分别映射′A′,′B′,′C′,′D′,′E′,′F′，为统一形式，对于一些简单的汉字，它们的数学表达式即为单个部件，故定义一个特殊的运算符′I′表达；

接收方首先将秘密信息转换为汉字数学表达式，在搜索获得的载体文本部件直方图中，利用公式5将汉字表达式中的部件号全部映射为阶，然后根据公式7将运算符映射成单个字符；另外，为区分各个汉字数学表达式的界限，使用字符’J’作为分隔符；最后附加载密文本编号，构成混合秘密索引；

由于部件的阶由数字0～9构成，运算符为A′,′B′,′C′,′D′,′E′,′F′,′I′，分隔符为’J’,文本编号为哈希值，取值为0～9，为进一步节约空间，对混合秘密索引的字符进行哈夫曼编码，最终形成二进制序列，将其压缩至二进制文本中形成最终传递的秘密索引。

优选的，秘密信息的提取就是信息隐藏过程的逆过程，接收方只需要将发送过来的索引按照索引构建的过程逆向拆分就能还原秘密信息；提取步骤如下：

步骤6.1：加载接收方传递过来的二进制文件，读取其内容，获得的二进制哈夫曼编码，并将其转换为混合秘密信息索引；

步骤6.2：反向遍历混合秘密信息索引寻找第一个分隔符’J’,前部分即为秘密信息索引，后部分为载密文本索引；

步骤6.3：根据载密文本索引，接收方在文本部件直方图库中获得该文本索引的部件直方图；

步骤6.4：根据公式6，在载密文本部件直方图中将秘密信息索引的阶还原成部件号；

步骤6.5：根据公式7的映射关系，将秘密信息索引的运算符还原成汉字数学表达式中的原始运算符；

步骤6.6：根据分隔符’J’，识别各个汉字表达式，同时根据公式3可以还原各个秘密信息汉字；

步骤6.7：由于发送方将秘密信息转换为汉字数学表达式时是逐一顺序转换，故接收方还原秘密信息是各个汉字顺序即原始秘密信息顺序。

本发明相对于现有技术取得了以下技术效果：

本发明不是对汉字或中文词语本身做隐藏，而是以汉字的部件为隐藏单位，通过借助部件直方图构建映射关系，实现信息隐藏，不仅降低了隐藏的细粒度，充分利用了汉字的部件，而且一定程度上可以解决一些生僻字、笔画较多的难字的隐藏问题。本发明通过利用部件进行隐藏，较大程度上打散了汉字的结构，提升了信息隐藏的安全性，因此，本发明在隐藏成功率和容量方面效果较好。

附图说明

图1为本发明一种部件直方图的文本无载体隐写方法与装置的算法流程图。

图2为本发明一种部件直方图的文本无载体隐写方法与装置的一篇文本的部分部件直方图。

图3为本发明一种部件直方图的文本无载体隐写方法与装置的秘密信息隐藏流程图。

图4为本发明一种部件直方图的文本无载体隐写方法与装置的秘密信息提取流程图。

图5为本发明一种部件直方图的文本无载体隐写方法与装置的部分文本编号检索表示例图。

具体实施方式

下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

参照图1-5所示本发明公开了一种部件直方图的文本无载体隐写方法与装置。

本节以传递一个秘密信息“今晚打老虎”为例，展示整个信息隐藏和还原过程。信息的隐藏过程如下：

(1)首先发送方将秘密信息的每个汉字转换为汉字数学表达式：

['今','晚','打','老','虎']＝>['116','102lr234','430lr6','338lu21','386lu13']

(2)给定随机选择阈值，例如,通过在text_table中随机选择0.1倍总数的文本，通过算法2，获得载密文本及其部件直方图，假设获得的载密文本编号为‘71490’。

(3)假设载密文本部件直方图中的部件和阶存在如下对应关系：

根据公式5和7的映射规则，将秘密信息的汉字数学表达式转换为:

[126,6C152,18C188,35E43,185E59]

然后对各个汉字数学表达式插入分隔符’J’，附加文本编号，形成混合秘密索引如下:

126J6C152J18C188J35E43J185E59J71490

(4)最后采用哈夫曼编码生成二进制流，最后其压缩至二进制文本中作为秘密索引发送给接收方。

'111010001011100101011011100001001101110010110111001001110011100010001001011111011100100010000001010110101101111001101010111'

信息的还原过程如下：

(1)接收方加载压缩的二进制文本，读取二进制序列，然后根据哈夫曼编码还原混合秘密索引：

126J6C152J18C188J35E43J185E59J71490

(2)根据混合秘密索引倒序寻找第一个分隔符，将其分为文本编号索引和秘密信息索引，如下所示：

文本编号索引：71490，秘密信息索引：126J6C152J18C188J35E43J185E59

(3)根据文本编号索引，在公开载体部件直方图库中寻找该文本的部件直方图。

(4)根据含密载体文本的部件直方图中部件和阶的对应关系，结合公式6和7将其还原为原始秘密信息的汉字表达式：

126J6C152J18C188J35E43J185E59

(5)根据分隔符，识别每个汉字的汉字表达式，最后还原成原始秘密信息：

“今晚打老虎”

以上所述，仅是本发明较佳实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

实验结果分析

本文的测试环境是在windows10操作系统，CPU为Intel Xeno E5-2620 v4，主频为2.10GHz，内存为24GB，编程环境为Python3.6。码本库存储在远程的MySQL服务器上。

本发明选用120个文本作为秘密信息(记作0.txt～119.txt)进行测试，120个文本长度大小分为1-6K不等，每个作为实验数据，我们使用以下评价指标来衡量性能，即隐藏容量和隐藏成功率。

假设一条秘密消息包含n个关键字，秘密消息中的汉字个数为t，则隐藏容量可表示为：

在本实验中，我们使用的平均值作为平均隐藏容量，可以计算为:

由于本发明提出的文本无载体隐藏方法主要思想是充分利用载体文本中的部件，将秘密信息隐藏在一个载体文本中，故对于隐藏成功的秘密信息，每次隐藏容量即为每载体文本隐藏的秘密信息汉字数量。由公式9可算出本实验的平均隐藏容量为754.38。

隐藏成功率方面，本次实验的文本公开库包含20万个载体文本，随机选择比率阈值取0.6，得到的平均隐藏成功率为98.33％。隐藏成功率相对较高。

Claims (3)

1.一种部件直方图的文本无载体隐写方法，其特征在于，包括：

步骤1：文本库的码本构建；

所述步骤1具体包括：通过构建文本库中每篇文本的部件直方图作为信息隐藏的码本，部件直方图CFR(Component-Frequency-Rank)定义如下：

CFR＝{c_i,fc_i，rc_i|i＝1，2，3...，U}(2.1)

其中，U是部件总数，c_i是部件编号，fc_i是部件出现的次数，rc_i是部件在这篇文本部件直方图中的阶；

步骤2：秘密信息预处理；

步骤3：基于随机文本选择的隐藏方法；

所述步骤3具体包括：

步骤3.1：使用秘密信息预处理中的方法，将秘密信息所有汉字转换为汉字数学表达式；

步骤3.2：获取到秘密信息所有汉字的数学表达式后，提取数学表达式中的所有部件，构建成秘密信息的部件直方图，记作Msg_Com_Hist；

步骤3.3：为保证搜索载密文本的随机性，增加隐藏鲁棒性，同时也提高检索效率，采用随机文本选择方法实现信息进行检索载密文本，所述随机文本选择方法是在公开载体库中随机抽取一定比率的载体文本与秘密信息的部件直方图做运算，从中获得一个包含秘密信息所有部件的载体文本；假设公开文本库包含文本总数为X，随机抽取的载体文本数量为x，则选择阈值：

步骤4：信息隐藏；

所述步骤4具体包括：

步骤4.1：利用公式2将秘密信息M转换为数学表达式M′，同时计算M′的部件直方图，

其中，M′＝EXP(M)＝{m′1，m′₂，m′3，…，m′_n}(2)；

步骤4.2：构建码本库的部件直方图，并根据阈值δ随机选择一定数量的文本部件直方图；

步骤4.3：若秘密信息的部件直方图是文本的部件直方图集合的子集，从中选择一个含密载体文本，其文本编号作为文本索引；

步骤4.4：利用公式7和公式8，将数学表达式的部件号和运算符分别映射为含密载体文本部件直方图中的阶和字母运算符，并用分隔符’J’作为每个汉字数学表达式的边界，将其作为秘密信息索引；

其中，一条秘密消息中包含n个关键字，秘密消息中汉字的个数为t，V_i表示隐藏容量；

步骤5：秘密索引的构建；

所述步骤5具体包括：

当发送方获得可以隐藏秘密信息的载体文本后，可根据载体文本的部件直方图构建秘密信息索引；以秘密信息的汉字表达式为驱动，通过阶-部件映射规则，将秘密信息汉字数学表达式的部件映射为载体文本中部件直方图的阶，然后通过运算符映射规则，将秘密信息汉字数学表达式的运算符映射为指定的字符；通过映射部件和运算符后，形成新的表达式作为秘密信息索引，另外为保证接收方能找到含密载体，将含密载体文本的编号附加于秘密信息索引后面，构成“秘密信息索引+文本索引”混合结构；

映射规则定义如下：

阶-部件映射规则

已知部件直方图CFR包含部件component、部件频次frequency和部件的阶rank三部分；其中部件和阶在任何一个部件直方图中可唯一表示，也即在部件直方图中，部件和阶具有唯一对应关系；故可定义部件和阶的转换函数CH，存在

rank＝CH(component) (5)

component＝CH(rank) (6)

运算符映射规则；

由于汉字表达式中六个运算符均占用两位字节，为节约空间及便于表达，定义一个映射关系如下：

其中，'ud'，'ru'，'lr'，'we'，lu'，ld'是六个运算符，分别映射'A'，'B'，'C'，'D'，'E'，'F'为统一形式，对于一些简单的汉字，它们的数学表达式即为单个部件，故定义一个特殊的运算符'I'表达；

接收方首先将秘密信息转换为汉字数学表达式，在搜索获得的载体文本部件直方图中，利用公式5将汉字表达式中的部件号全部映射为阶，然后根据公式7将运算符映射成单个字符；另外，为区分各个汉字数学表达式的界限，使用字符’J’作为分隔符；最后附加载密文本编号，构成混合秘密索引；

由于部件的阶由数字0～9构成，运算符为'A'，'B'，'C'，'D'，'E'，'F'，'I'，分隔符为’J’，文本编号为哈希值，取值为0～9，为进一步节约空间，对混合秘密索引的字符进行哈夫曼编码，最终形成二进制序列，将其压缩至二进制文本中形成最终传递的秘密索引；

步骤6：秘密信息的提取。

2.根据权利要求1所述的一种部件直方图的文本无载体隐写方法，其特征在于，所述步骤2具体包括：在对秘密信息隐藏前，发送方与接收方根据约定的公开库文本构建部件直方图码本库，接收方隐藏秘密信息前，需对秘密信息进行预处理，假设秘密信息为M，其中M由n个汉字构成，记作：

M＝{m₁，m₂，m₃，…，m_n} (1)

将秘密信息M的每个汉字mi转换为汉字数学表达式，即将M转换为M′，如公式2所示：

M′＝EXP(M)＝{m′₁，m′₂， m′₃，…， m′_n} (2)

其中EXP是汉字数学表达式转换函数，EXP(M)表示将秘密信息每个汉字转换为汉字数学表达式，由于每个汉字的数学表达式是唯一的，故可以根据汉字数学表达式可以还原为原汉字，则有：

M＝EXP(M′) (3)。

3.根据权利要求1所述的一种部件直方图的文本无载体隐写方法，其特征在于，所述步骤6具体包括：

步骤6.1：加载接收方传递过来的二进制文件，读取其内容，获得的二进制哈夫曼编码，并将其转换为混合秘密信息索引；

步骤6.2：反向遍历混合秘密信息索引寻找第一个分隔符’J’，前部分即为秘密信息索引，后部分为载密文本索引；

步骤6.3：根据载密文本索引，接收方在文本部件直方图库中获得该文本索引的部件直方图；

步骤6.4：根据公式6，在载密文本部件直方图中将秘密信息索引的阶还原成部件号；

步骤6.5：根据公式7的映射关系，将秘密信息索引的运算符还原成汉字数学表达式中的原始运算符；

步骤6.6：根据分隔符’J’，识别各个汉字表达式，同时根据公式3可以还原各个秘密信息汉字；

步骤6.7：由于发送方将秘密信息转换为汉字数学表达式时是逐一顺序转换，故接收方还原秘密信息是各个汉字顺序即原始秘密信息顺序。