[发明专利]基于变分自动编码器的数字媒体保护文本隐写方法

权利要求书

1.基于变分自动编码器的数字媒体保护文本隐写方法，其特征在于，把秘密信息转换为秘密比特流，将秘密比特流嵌入网络模型生成的载体文本中，具体包括以下步骤：

对文本进行预处理，包括提取训练文本的全局关键词和组关键词，将长文本划分为多个短序列，每一个短序列都对应一组组关键词，全局关键词即为所有组关键词的并集；

构建由编码网络、高斯采样以及解码网络构成的神经网络模型，将文本向量化；

利用编码网络分别获取全局关键词和长序列的特征，并融合全局关键词和长序列的特征获取全局特征表示进行融合；

利用高斯采样对编码网络中的全局特征表示进行高斯采样；

利用解码网络对高斯采样的采样结果进行解码，获取文本的条件概率分布；

选择条件概率最大的K个单词，使用哈夫曼编码对这K个单词进行编码，根据待嵌入的秘密比特流来选择与哈夫曼编码相对应的一个单词，完成文件的隐写。

2.根据权利要求1所述的基于变分自动编码器的数字媒体保护文本隐写方法，其特征在于，获取全局关键词烦人特征，即提取文本中词-词之间的上下文特征，采用结合双向门控循环单元和注意力机制来提取文本中词-词之间的上下文特征，包括以下步骤：

使用双向门控循环单元中的前向门控循环单元和后向门控循环单元获取文本的前向隐藏状态和后向隐藏状态；

将当前前向门控循环单元和后向门控循环单元获取的状态进行合并，并将合并后的状态输入注意力层；

在注意力层计算每个双向门控循环单元的隐藏层输出与整个文本表示向量的匹配得分占总体得分的比重，通过线性变换得出注意力层的输出。

3.根据权利要求2所述的基于变分自动编码器的数字媒体保护文本隐写方法，其特征在于，使用双向门控循环单元对输入的向量进行处理包括：

z′_t＝σ(W_z'·[h_t-1,x_t]+b_z')

r_t＝σ(W_r·[h_t-1,x_t]+b_r)

n_t＝tanh(W_n·[r_t*h_t-1,x_t])

h_t＝(1-z′_t)*h_t-1+z′_t*n_t

其中，z′_t为更新门；W_z'为更新门的训练权重；h_t-1为上一层的隐藏状态；x_t为第t时刻输入双向门控循环单元的向量；b_z'为更新门的偏置值；r_t为重置门；W_r为重置门的训练权重；b_r为重置门的偏置值；n_t为候选激活函数；W_n为候选激活函数的权重；h_t为时间t的隐层输出结果；σ(x)为Sigmoid激活函数；h′_t为隐藏层输出状态；为前向隐藏状态；为后向隐藏状态；其中表示h_t的前向隐层结果，表示h_t的后向隐层结果。