[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

摘要

本发明公开了一种基于马尔可夫模型和哈夫曼编码的文本隐写方法及装置，方法包括：得到训练集，并构建相应的马尔可夫网络模型；按照词频排序生成词典D；构成预设列表；随机从预设列表中选择一个词作为训练好的Marcov网络模型的输入；迭代式计算各个时刻词的动态条件概率分布；选用排序靠前的N个词构成候选词词列表；构建哈夫曼树，并进行哈夫曼编码；根据需要嵌入的码流从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；重复执行直到生成完整的隐写文本；发送完整的隐写文本，以使接收方在接收隐写文本后，对隐写文本进行解码并获取机密消息。该方法可以有效提高生成隐写文本的质量，提升系统隐蔽性。

主权项

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。