基于网页大数据的文本无载体隐写方法研究

Text is a commonly used medium of information storage and transmission. Aiming at the problems existed in the conventional natural language text information hiding methods, such as the low capacity, poor imperceptibility, difficulty to resist steganalysis attacks, etc, the research on text carrier-free steganography is very important for steganography and convert transmission by employing the characteristics of Web pages and big data. This project is mainly around the text carrier-free steganography methods based on Web pages and big data. Due to the features of Web pages and big data, a or several web pages that contain secret messages can be successfully retrieved. The sender no longer needs to modify the web pages as the stego-text. The main contents include: research on model and platform of text carrier-free steganography based on Web pages and big data, research on the segmentation, conversion and query expansion of secret messages, research on information hiding oriented text retrieval methods, research on secure transmission scheme of stego-text and extraction of secret message. This project can lay the theoretical foundation for the specification and extension of carrier-free steganography, provide a new idea of text steganography, and greatly facilitate the practical application of a wide range of text carrier-free steganography.

文本是普遍使用的一种信息存储与传输载体。针对传统的自然语言文本信息隐藏方法的容量小、隐蔽性差以及难以抵抗隐写检测攻击等问题，利用网页大数据的特点，研究文本无载体隐写方法对丰富信息隐藏领域成果以及利用文本进行隐蔽传输等具有重要意义。本项目研究基于网页大数据的文本无载体隐写方法，不需要预先指定原始载体，以秘密消息为驱动，直接从网页大数据中检索得到的正常网页文本即为含密文本，无需对其进行任何嵌入和修改。项目主要研究内容包括：基于网页大数据的文本无载体隐写模型研究及隐写验证平台开发，秘密消息的切分、转换和查询扩展方法研究，面向信息隐藏的文本检索方法研究，含密网页文本的安全传输机制和秘密消息的提取方法研究等。通过本课题的研究，为无载体信息隐藏的规范、推广奠定理论基础，为文本信息隐藏领域开辟了一个新的研究思路，将会极大地促进文本无载体信息隐藏技术的广泛的实际应用。

顺应文本无载体信息隐藏技术理论的发展变化，在以基于网页大数据的文本无载体信息隐藏的总目标下，项目研究了基于搜索式的文本无载体信息隐藏和基于生成式的文本无载体信息隐藏的新模型、方法及相应算法，同时也拓展研究了文本大数据的获取、分析与安全存储。本项目主要开展的研究工作包括：(1)结合信息隐藏与网页文本大数据的特点，构建了面向隐写的文本检索策略，提出了多种基于标签的搜索式无载体信息隐藏方法，具体标签包括汉语拼音、词性标注、Word2Vec以及Web文本等；(2)针对搜索式无载体信息隐藏方法的不足，提出了多种基于生成式的无载体信息隐藏方法，具体包括基于LSTM和基于GAN的歌词生成方法、语义空间下基于情感表达的生成式文本隐写方法以及基于图像特征的弹幕文本生成隐写方法；(3)为了实现基于网页大数据的文本无载体信息隐藏方法，需要对文本大数据进行处理和分析，项目组提出了多种命名实体识别模型、多标签文本分类方法和基于文本处理的情感分析方法；(4)为了保证文本无载体信息隐藏方法的安全性，项目组对文本大数据的存储与安全性进行了相应的研究，提出了多种图数据流的压缩存储与检索方法，以及可搜索加密方案等机制，以提升文本无载体信息隐藏方法的安全性。