[发明专利]基于时间戳调制和载体选择的高容量行为隐写方法

说明书

本发明属于通信技术领域，公开一种基于时间戳调制和载体选择的高容量行为隐写方法，包括：在传递秘密信息时，首先将秘密信息映射为一组高频关键字并分组，然后在社交网络平台寻找含有该分组的关键词博文，接着根据关键词在博文中的位置调制行为的时间戳，最后根据能够确定关键词在博文中的位置时间戳产生行为，并将关键词博文发布至社交网络，进而实现隐蔽通信。本发明方法中的秘密信息由博文携带，映射的关键词位置由时间戳确定，不修改博文内容，保证了博文的自然性；将时间戳映射到关键词，将行为隐写从比特级别提升到单词级别。

技术领域

本发明属于通信技术领域，尤其涉及一种基于时间戳调制和载体选择的高容量行为隐写方法。

背景技术

隐写术是一种在公开的信道上传递秘密数据，而不被第三方感知的通信技术。社交网络因用户在地域上分布广泛、使用场景丰富和数据量庞大等特点，成为隐写的理想载体。它允许发送者与接收者不建立点对点的信道来实现隐蔽通信，通信行为难以引起第三方的特别关注，保证了通信的隐蔽性与接收双方的安全性。因而，研究针对社交网络的隐写方法，具有重要的理论意义与现实价值，它引起了本领域学者的广泛关注。

基于社交网络隐写方法的载体有图像、文本、音频、视频、行为等。根据嵌入的原理不同，隐写可以分为载体选择，载体修改和载体合成。基于社交网络载体选择隐写包含图像选择，文本选择隐写和视频的载体选择隐写等。他们的嵌入原理是根据载体的属性设计相应的属性值，发送秘密信息时以秘密信息为驱动力，致力于通过构建的载体数据库寻找符合秘密信息的载体。其特点是不修改载体数据，能够有效抵抗隐写分析的攻击，但嵌入容量较低仍是该类方法目前面临的挑战。基于社交网络的载体修改隐写分为图像修改隐写，文本修改隐写、音频修改隐写及视频修改隐写。它们利用人类眼睛或耳朵的掩蔽特性和数字载体的冗余特性,通过轻微地修改社交网络载体将秘密信息嵌入到载体中。该类方法的特点是嵌入容量较高，部分方法的鲁棒性及抗检测性拥有良好的性能，但随着机器学习的发展载体修改隐写可能面临着新的威胁。基于社交网络的载体生成隐写分为图像生成式隐写[文献1：Yue Yin,Hanzhou Wu,and Xinpeng Zhang.Neural visual social comment onimage-text content.IETE Technical Review,38(1):100–111,2021.]、文本生成式隐写[文献2：Zhongliang Yang,Xiaoqing Guo,Ziming Chen,Yongfeng Huang,and YujinZhang.Rnnstega:Linguistic steganography based on recurrent neuralnetworks.IEEE Transactions on Information Forensics and Security,14(5):1280–1295,2018.]、音频生成式隐写等。早期的生成式方法符合统计特征，但由于算法与计算力的限制，导致内容不符合常识、容易被识破。随着人工神经网络的发展与算力的提升，生成的载密多媒体统计特征和内容更加自然，其质量得到显著提升。然而，近期Yang等人指出生成的隐写文本质量越好，隐蔽性不一定越高[文献3：Zhongliang Yang,Siyu Zhang,YutingHu,Zhiwen Hu,and Yongfeng Huang.Vae-stega:linguistic steganography based onvariational auto-encoder.IEEE Transactions on Information Forensics andSecurity,16:880–895,2020.]，这引起了部分专家学者的担忧。