[发明专利]一种基于主谓语编码的文本水印嵌入以及提取方法

说明书

本发明涉及一种基于主谓语编码的文本水印嵌入及提取方法，嵌入方法包括：1）将水印信息的每个字符用Unicode编码表示，形成一个Unicode码串；2）检测出待嵌入文本中语句的主谓语，存放于一集合中；3）根据主谓语的数量，将Unicode码串分成若干段，每一个主谓语用其中的一段来编码表示，并给定一个编号；4）依次存储每个主谓语、与该主谓语对应的Unicode码段、及其编号，形成一个码本，完成编码，实现水印的嵌入。提取方法包括：找出被检测的文本中的主谓语，对照码本，取出每个主谓语对应的Unicode码段及其编号，将Unicode码段按编号顺序拼接起来，将得到的Unicode码串转换成对应的字符，形成水印信息。该方法对文本格式与内容不做任何改变，具有良好的隐蔽性和鲁棒性，同时算法构造简单，易于实现。

技术领域

本发明涉及水印的嵌入与提取技术，尤其涉及一种基于主谓语编码的文本水印嵌入以及提取方法。

背景技术

随着互联网和信息技术的普及应用，文本信息越来越多的以数字的方式发布、传播和使用，它在给人们的学习、工作和生活带来便利的同时，也产生了文本容易被非法复制和盗用等问题，数字文本的知识产权保护受到业界的广泛关注。文本水印是近年来出现的保护数字文本知识产权的一项技术，它通过某种方式在数字文本中嵌入版权标识信息或身份认证信息（水印），当发现文本遭到非法复制或盗用时，可以提取这些信息来证明文本的版权归属，确认非法复制和盗用行为，保护文本著作权人或拥有人的权益。除此之外，文本水印技术还可用于在文本中隐藏和传递秘密信息、文本内容的认证、文本信息的追踪等方面。

文本水印目前主要有两类方法——基于文本格式的文本水印和基于自然语言的文本水印。基于文本格式的水印技术利用轻微改变文本格式不易被察觉的特点来嵌入水印信息，如改变行间距、字间距、字符大小等等。这类基于文本格式的水印技术构造简单，易于实现，但对文本进行格式变换就有可能使嵌入的水印遭到破坏，鲁棒性不强。基于自然语言的文本水印技术利用文本内容的语法语义进行编码来嵌入水印信息，目前实现的较多的是通过同义词替换和句法变换对水印信息进行编码。与基于文本格式的水印相比，自然语言文本水印具有更好的隐蔽性和鲁棒性，格式变换不会对水印产生影响。但由于中文语言的复杂性，同义词替换和句法变换有可能会产生歧义或改变语义，同时它也不适用于文本内容不宜改变的情形。

发明内容

本发明目的在于克服以上现有技术之不足，提供一种具有良好的隐蔽性和鲁棒性的基于主谓语编码的文本水印嵌入以及提取方法，具体有以下技术方案实现：

所述基于主谓语编码的文本水印嵌入方法，包括

1）将水印信息的每个字符用Unicode编码表示，形成一个Unicode码串。

2）检测出待嵌入文本中语句的主谓语，存放于一集合中。

3）根据检测出的主谓语数量，将Unicode码串分成若干段，每一个主谓语用其中的一段来编码表示。考虑到改变文本中语句的顺序可能会使水印信息不能正确提取，对每一个主谓语对应的Unicode码段给定一个编号，用于提取水印时根据编号拼接Unicode码串。

4）依次存储每个主谓语、该主谓语对应的Unicode码段以及该主谓对应的编号，形成一个码本，完成编码，实现水印的嵌入。

上述Unicode编码采用UTF-16格式，每个字符为4位十六进制数，形成一个十六进制的Unicode码串。

所述步骤2）中检测出待嵌入文本中的主谓语包括如下步骤：

A）将提交待嵌入水印的文本转换为字符串的形式；

B）将待嵌入水印的文本的字符串提交至语言技术平台LTP进行依存句法分析，得到一个包含文本中句子成分依存关系的XML格式的字符串；