[发明专利]一种基于递归神经网络的信息隐写方法、装置及存储介质

权利要求书

1.一种基于递归神经网络的信息隐写方法，其特征在于：包括如下步骤：

采集文本，将所述文本输入到递归神经网络中进行分类处理，得到若干个词语的连接词集和组合概率，所述连接词集包含有若干个连接词语，所述词语与所述连接词语相邻，且所述连接词语设置在所述词语的后面；

根据所述词语的连接词集和组合概率对所述连接词语进行编码，得到训练完成的信息隐写模型；

采集待隐写文本，通过发送端将待隐写文本转换为二进制码，并将所述二进制码输入到信息隐写模型，得到隐写文本编码；

利用接收端将隐写文本编码转换为隐写文本，并将所述隐写文本输入到信息隐写模型，得到解码文本。

2.根据权利要求1所述的一种基于递归神经网络的信息隐写方法，其特征在于：采集文本，将所述文本输入到递归神经网络中进行分类处理，得到若干个词语的连接词集和组合概率，包括如下步骤：

采集文本，利用递归神经网络提取所述文本的首位词语，并根据所述首位词语的频率选取若干个首位词语构成关键词列表；

利用所述递归神经网络对所述文本进行语义空间的映射，得到若干个含有语义空间的词语；

将所述词语输入到LSTM隐含层进行权重的初步提取，得到所述词语的初始权重；

在所述LSTM隐含层的后面连接softmax激活函数层，将所述词语和所述词语的初始权重输入到softmax激活函数层进行分类处理，得到若干个词语的连接词集和组合概率。

3.根据权利要求2所述的一种基于递归神经网络的信息隐写方法，其特征在于：采集文本，将所述文本输入到递归神经网络中进行分类处理，得到若干个词语的连接词集和组合概率，还包括如下步骤：

利用损失函数计算若干个词语的组合概率的总损失值，并通过反向调整所述递归神经网络使所述总损失值最小，得到若干个词语最优的组合概率。

4.根据权利要求2所述的一种基于递归神经网络的信息隐写方法，其特征在于：根据所述词语的连接词集和组合概率对所述连接词语进行编码，得到训练完成的信息隐写模型，包括如下步骤：

利用所述词语的连接词集和组合概率构建所述词语的连接哈弗曼树，得到所述连接词语的编码，则信息隐写模型训练完成。

5.根据权利要求4所述的一种基于递归神经网络的信息隐写方法，其特征在于：根据所述词语的连接词集和组合概率对所述连接词语进行编码，得到训练完成的信息隐写模型，还包括如下步骤：

根据所述词语的连接哈弗曼树构建连接侯选池，所述连接侯选池包含所述连接词语和所述连接词语的编码。

6.根据权利要求4所述的一种基于递归神经网络的信息隐写方法，其特征在于：采集待隐写文本，通过发送端将待隐写文本转换为二进制码，并将所述二进制码输入到信息隐写模型，包括如下步骤：

采集待隐写文本，利用递归神经网络提取所述关键词列表的任意一个首位词语，并根据所述首位词语匹配对应的连接哈弗曼树，得到第一连接哈弗曼树；

发送端根据二进制编码表将所述待隐写文本转换为二进制码，并将所述二进制码输入到所述第一连接哈弗曼树中进行编码的匹配，得到第一连接词语和未匹配的第一二进制码；

根据所述第一连接词语匹配对应的连接哈弗曼树，若匹配成功，则得到第二连接哈弗曼树；若匹配失败，则提取所述关键词列表的另一个任意的首位词语，并根据所述另一个的首位词语匹配第三连接哈弗曼树；

将所述未匹配的第一二进制码的输入到所述第二连接哈弗曼树或所述第三连接哈弗曼树中进行编码的匹配，得到第二连接词语，根据所述第二连接词语继续匹配对应的连接哈弗曼树，直到所述第一二进制码匹配完成，得到若干第三连接词语；

将匹配得到的所述第一连接词语、所述第二连接词语和所述若干第三连接词语进行组合连接，得到隐写文本；

根据二进制编码表将所述隐写文本进行转换，得到隐写文本编码。