[发明专利]鲁棒的自然语言哈希域扩频水印编码算法

说明书

技术领域

本发明涉及自然语言信息隐藏领域，特别涉及一种自然语言水印的扩频编码算法。

背景技术

随着计算机网络的发展，数字视频、数字音频、电子文档等数字产品都可以通过网络迅速传播到全球各地。由于这些数字产品制作成本低、可以无限复制、在网络上传播的速度非常快，导致盗版和攻击数字产品变得轻而易举。鉴于此，近几年数字产品的安全防护以及版权保护越来越受到商业界和学术界的重视。

目前针对数字产品的保护方式主要包括加密方式和信息隐藏方式，传统的加密方式可以有效的保护数据传输过程中的信息安全，但是数据一旦被所有者接收并解密，就无法继续起到保护作用，而且也不能防范所有者对解密后的数据进行复制和传播。

针对传统加密方式的不足，很多研究者开始关注一种新的安全技术即信息隐藏技术。所谓信息隐藏是将秘密信息隐藏在非机密的载体内容之中，载体形式可以是视频、音频、图像或文本文档等。在所有的载体形式中，文本文档是人们进行信息交换的主要方式之一，尤其军事部门，政府机关，国家安全部门，商业机构的机密文件都需要得到有效保护。

自然语言信息隐藏是指通过对文本内容进行语义的等价替换或者语态转换，从而把秘密信息嵌入到载体文本中。按照应用领域来分，信息隐藏研究主要分为隐写术(Steganography)和数字水印(DigitaL Watermarking)。隐写术主要研究如何将秘密信息隐藏在数字产品中而不被觉察，从而实现隐藏通信。数字水印指将秘密信息嵌入待保护的载体中，用来证明数字产品的版权、信息完整性、以及使用者的合法性等。

这里我们讨论的是数字水印技术。很多研究者为了更好地进行水印信息的嵌入和提取，提出了很多编码算法，这些算法各有特点，有的过程简单，容易理解；有的牺牲嵌入容量，但是可以减少对载体的改变；还有的利用扩频分组的方法，期望提高水印的鲁棒性。

通过对国内外自然语言水印技术的总结分析，我们发现：由于现有的研究没能找到有效的变换域(这一点是目前国际上公认的难题)，因此攻击后的误码率极高(误码率高表示提取出的水印比特出错的比例较高)。本发明中，我们找到了一个可行的变换——哈希域，在此基础上提出了一个扩频编码算法。理论和实验证明，我们的算法对载体的改动较少，而鲁棒性比已知的空域算法都要高。

发明内容

本发明所要解决的技术问题是提供一种鲁棒的自然语言哈希域扩频水印编码算法，通过哈希域进行扩频，来解决空域算法鲁棒性差的问题。

本发明提供了一种鲁棒的自然语言哈希域扩频水印编码算法，首先提取目标文章中的载体单元，获得每个载体单元的同义集合，然后根据密钥将每一个同义集合分为A子集和B子集，然后根据密钥在每个同义集合中选择一个可行变换作为代表，再根据密钥对每一个代表求哈希，然后对该哈希值进行模运算，根据模运算的余数将文章中的载体单元进行分组，分组的个数不小于水印的比特数，最后分别验证每一分组中载体单元属于A子集的个数，通过改写载体单元调整分组中载体单元属于A子集的个数来嵌入水印比特，生成含密文件。

本发明提供了一种鲁棒的自然语言哈希域扩频水印编码算法，包括以下步骤：

(1)在目标文章中提取全部的载体单元；

(2)对每一个载体单元获得其同义集合，每一个载体单元及其同义集合构成同义集合，载体单元集合中的每一个元素为可行变换；

(3)根据密钥在每一个载体单元及其同义集合构成同义集合中选择一个可行变换作为代表，所有的代表形成代表集合；

(4)根据密钥对每一个同义集合的所有可行变换进行哈希运算，得到哈希值，根据哈希值将每一个同义集合分为A子集和B子集，其中，哈希值的结果为奇数的可行变换分到A子集，哈希值的结果为偶数的可行变换分到B子集；

(5)对每一个同义集合中的代表求哈希，然后将该哈希值对水印长度做模运算，根据余数对所有的载体单元分组，得到S＝【S₀，S₁，S₂，……S_L-1】，其中，L为水印长度，其中，第i组承载第i个水印比特；

(6)根据每组水印比特，调整每一分组中载体单元的文本在A子集和B子集中出现的个数生成含密文件。

作为本发明的优选实施例，所述载体单元选自同义词、同义句或其它可做同义变换的语义或语法单元；