[发明专利]基于马尔可夫模型和哈夫曼编码的文本隐写方法及装置

权利要求书

1.一种基于马尔可夫模型和哈夫曼编码的文本隐写方法，其特征在于，包括以下步骤：

步骤S1：根据预设文本媒体形式的数据集得到训练集；

步骤S2：对自然文本进行建模，以利用trigram模型构建相应的马尔可夫网络模型；

步骤S3：通过预设的训练文本统计词频，并按照词频排序生成词典D；

步骤S4：统计训练样本中每个句子第一个词的词频分布，并选择词频最高的前预设个数词构成预设列表；

步骤S5：每次生成一句隐写文本时，随机从所述预设列表中选择一个词作为训练好的Marcov网络模型的输入；

步骤S6：利用Marcov的语言模型，迭代式计算各个时刻词的动态条件概率分布；

步骤S7：在每个迭代步骤T，根据各个词的条件概率依降序排列，并选用排序靠前的N个词构成候选词词列表；

步骤S8：确定候选池的大小后，根据所述候选池中各个词的条件概率构建哈夫曼树，并进行哈夫曼编码；

步骤S9：根据需要嵌入的码流从所述哈夫曼树的根结点开始搜索，直到搜索到相应的叶子结点对应的词作为当前时刻的输出，以实现隐藏秘密比特流的能力；

步骤S10：重复执行所述步骤S6至所述步骤S10，直到生成完整的隐写文本，以完成根据秘密信息自动生成文本载体的过程；以及

步骤S11：发送所述完整的隐写文本，以使接收方在接收所述隐写文本后，对所述隐写文本进行解码并获取机密消息。

2.根据权利要求1所述的基于马尔可夫模型和哈夫曼编码的文本隐写方法，其特征在于，所述预设文本媒体形式包括Twitter、电影评论和新闻。

3.根据权利要求1所述的基于马尔可夫模型和哈夫曼编码的载体生成式文本隐写方法，其特征在于，在对所述自然文本进行建模之前，还包括：

对所述训练集中的数据源进行预处理。

4.根据权利要求3所述的基于马尔可夫模型和哈夫曼编码的文本隐写方法，其特征在于，所述对所述训练集中的数据源进行预处理，包括：

将所有英文单词转换为小写的英文单词；

删除所述数据中的特殊符号，并过滤小于预设频率的低频词。

5.根据权利要求1所述的基于马尔可夫模型和哈夫曼编码的文本隐写方法，其特征在于，所述预设个数为100。

6.一种基于马尔可夫模型和哈夫曼编码的文本隐写装置，其特征在于，包括：

获取模块，用于根据预设文本媒体形式的数据集得到训练集；

建模模块，用于对自然文本进行建模，以利用trigram模型构建相应的马尔可夫网络模型；

第一统计模块，用于通过预设的训练文本统计词频，并按照词频排序生成词典D；

第二统计模块，用于统计训练样本中每个句子第一个词的词频分布，并选择词频最高的前预设个数词构成预设列表；

选择模块，用于每次生成一句隐写文本时，随机从所述预设列表中选择一个词作为训练好的Marcov网络模型的输入；

迭代模块，用于利用Marcov的语言模型，迭代式计算各个时刻词的动态条件概率分布；

排列模块，用于在每个迭代步骤T，根据各个词的条件概率依降序排列，并选用排序靠前的N个词构成候选词词列表；

确定模块，用于确定候选池的大小后，根据所述候选池中各个词的条件概率构建哈夫曼树，并进行哈夫曼编码；

搜索模块，用于根据需要嵌入的码流从所述哈夫曼树的根结点开始搜索，直到搜索到相应的叶子结点对应的词作为当前时刻的输出，以实现隐藏秘密比特流的能力；

重复模块，用于重复执行所述迭代模块、所述排列模块、所述确定模块、所述搜索模块和所述重复模块，直到生成完整的隐写文本，以完成根据秘密信息自动生成文本载体的过程；以及

发送模块，用于发送所述完整的隐写文本，以使接收方在接收所述隐写文本后，对所述隐写文本进行解码并获取机密消息。

7.根据权利要求6所述的基于马尔可夫模型和哈夫曼编码的文本隐写装置，其特征在于，所述预设文本媒体形式包括Twitter、电影评论和新闻。