曾 笛，黃華軍

(1.中南林業(yè)科技大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，長沙 410018；2.湖南財(cái)政經(jīng)濟(jì)學(xué)院 信息技術(shù)與管理學(xué)院,長沙 410205)

0 引 言

隨著信息科技的高速發(fā)展，信息隱藏技術(shù)已經(jīng)成為當(dāng)今社會(huì)研究的熱點(diǎn)之一[1]。但在信息隱藏的過程中，只要將秘密信息嵌入在載體中，就不可避免地會(huì)導(dǎo)致載體信息發(fā)生改變，使其沒辦法抵抗OCR技術(shù)、重放攻擊、統(tǒng)計(jì)分析等一系列基于異常檢測(cè)的隱寫分析技術(shù)[2]。針對(duì)上述問題，2014年專家學(xué)者們首次提出了“無載體信息隱藏”方法，其主要思想是不對(duì)載體進(jìn)行任何修改，直接以秘密信息為驅(qū)動(dòng)，從而生成(或者獲取)含密載體[3]。該方法從本源上解決了由于載體修改引起的異常分析的隱寫檢測(cè)，提高了信息安全性。

目前無載體信息隱藏大致可分為搜索模型和生成模型兩類。基于搜索的算法模型為：構(gòu)建文本大數(shù)據(jù)為載體庫，將秘密信息拆分為“標(biāo)簽+關(guān)鍵詞”的形式為驅(qū)動(dòng)，去數(shù)據(jù)庫中搜索包含秘密信息關(guān)鍵詞的文本以作傳輸載體，同時(shí)用標(biāo)簽定位關(guān)鍵詞的位置，在不修改載體文本的情況下完成秘密信息的公開傳輸[4-8]。吉紅勇[9]提出了基于單關(guān)鍵詞的文本無載體信息隱藏方案，通過標(biāo)簽一一定位關(guān)鍵字的組合從文本庫中檢索到合適的自然文本來隱藏秘密信息。Long等[10]提出了一種基于web文本的無載體信息隱藏方法，通過網(wǎng)絡(luò)爬蟲技術(shù)爬取互聯(lián)網(wǎng)上大量的web文本來隱藏秘密信息。Qin等人[11]受此啟發(fā)，提出了一種基于大數(shù)據(jù)文本的無載體信息隱藏算法，通過改進(jìn)的Spark平臺(tái)將大數(shù)據(jù)文本進(jìn)行LDA(Latent Dirichlet Allocation)主題聚類，得到詞頻和詞語TF-IDF特征，從中搜索到包含關(guān)鍵詞特征的文本，將其分布特征的混合索引發(fā)送給接收方。但是在這些方法中，一個(gè)載體文本只能隱藏一到兩個(gè)關(guān)鍵字，隱藏容量也較低。

基于生成的算法模型是利用不同載體的特征對(duì)象，由秘密信息以載體對(duì)象為參照按一定的規(guī)則生成內(nèi)容合理且沒有異常統(tǒng)計(jì)信息的含密載體[12]。這種模型的核心問題是確保載體內(nèi)容的邏輯合理性的同時(shí)可以正確表示秘密信息。劉明明等人[13]提出結(jié)合生成對(duì)抗網(wǎng)絡(luò)的無載體信息隱藏方案，用秘密信息作為驅(qū)動(dòng)因素替換生成對(duì)抗網(wǎng)絡(luò)中的類別標(biāo)簽，以此直接生成含密圖像的無載體信息隱藏方法。該方法在隱藏容量上有一定的提升，但是生成的圖片質(zhì)量還有待提高。陸海等人[14]提出了一種結(jié)合非直接傳輸和隨機(jī)碼本的無載體試題生成式信息隱藏算法。該方法由于生成的試題暫未考慮排序等問題，在一定程度上會(huì)存在隱寫異常，導(dǎo)致隱藏成功率降低。

雖然無載體信息隱藏方法已經(jīng)取得了很多成果，然而，隱藏容量低、成功率不理想等仍是存在的主要問題。為了克服這些問題，同時(shí)保證隱寫的安全性和魯棒性，本文提出一種基于部件直方圖和隨機(jī)文本選擇的文本無載體信息隱藏方法。實(shí)驗(yàn)結(jié)果表明，該方法的隱藏成功率能達(dá)到98.33%，證明了該方法的有效性。

1 相關(guān)工作

1.1 漢字?jǐn)?shù)學(xué)表達(dá)式理論

不同于英文具有字母化的特征，漢字是一種更偏重于形狀的象形文字，基本單位是筆畫，所以很難用類似于英文字母的形式來表示。孫星明等人[15]在對(duì)漢字進(jìn)行結(jié)構(gòu)化拆分之后，提出了一種用數(shù)學(xué)表達(dá)式來代表漢字的理論，把漢字常用的基本的偏旁、部首或簡單字等作為部件，所有漢字均由基本的部件按一定結(jié)構(gòu)關(guān)系疊加而來，每一個(gè)部件對(duì)應(yīng)一個(gè)唯一的編號(hào)。而根據(jù)漢字組成特點(diǎn)，部件之間的關(guān)系有左右關(guān)系(lr)、上下關(guān)系(ud)、左下關(guān)系(ld)、左上關(guān)系(lu)、右上關(guān)系(ru)和全包含關(guān)系(we)六種，直觀描述如圖1所示。

圖1 六種運(yùn)算符的直觀描述

因此，所有漢字的數(shù)學(xué)表達(dá)式由部件號(hào)和組織部件的位置關(guān)系組成，位置關(guān)系可以表述為運(yùn)算符。這些由基本部件和運(yùn)算符號(hào)構(gòu)成的表達(dá)式，表示的不僅是漢字由這些部件的位置關(guān)系組成，也可以表示為組成了一個(gè)復(fù)合部件。例如A、B分別表示兩個(gè)部件，那么表達(dá)式C=A lr B有兩重意思:一是可以表示C是由A和B作為左右關(guān)系形成的復(fù)合部件；二是表示漢字C可以用具有上下關(guān)系的部件A和部件B表示，且A在B左邊。

本文將漢字?jǐn)?shù)學(xué)表達(dá)式應(yīng)用到無載體信息隱藏中，相比于已有的文本無載體信息隱藏以漢字或詞語為隱藏單位，本文的隱藏對(duì)象是部件,較大程度上降低了隱藏對(duì)象的細(xì)粒度，同時(shí)也較好地提高了隱藏的魯棒性。

1.2 部件頻次統(tǒng)計(jì)方法

文本的部件頻次的統(tǒng)計(jì)方法首先是利用漢字?jǐn)?shù)學(xué)表達(dá)式理論將文本中的漢字轉(zhuǎn)換成部件和其操作數(shù)的數(shù)學(xué)表達(dá)式，再提取出其中的部件，并統(tǒng)計(jì)每個(gè)部件出現(xiàn)的次數(shù)。定義如下規(guī)則對(duì)其進(jìn)行描述：

設(shè)t表示文本，Q表示文本t中出現(xiàn)的所有漢字集合，wi表示為集合Q中的任一漢字，Ω表示所有的部件集合，c表示Ω中的任一部件，fwi表示wi在t中出現(xiàn)的次數(shù)，f(c,wi)表示部件c在wi中出現(xiàn)的次數(shù)，則部件c在文本t中出現(xiàn)的次數(shù)fc為

(1)

1.3 部件直方圖的相關(guān)概念

文本的部件直方圖的概念是由圖像的灰度直方圖引申而來，部件直方圖是部件級(jí)的函數(shù)，能夠反映出文本中所有部件的統(tǒng)計(jì)分布特征。具體生成方法如下：

(1)對(duì)文本進(jìn)行預(yù)處理之后，利用字符比較的方法獲得文本中所有漢字的字頻fwi，然后利用公式(1)統(tǒng)計(jì)出所有部件在文本中出現(xiàn)的頻次fc。

(2)將文本中出現(xiàn)的fc按從大到小進(jìn)行排序，得到部件次數(shù)的排名，結(jié)合部件的編號(hào)和部件出現(xiàn)的次數(shù)，按照部件出現(xiàn)的頻次排序做出統(tǒng)計(jì)圖，就得到了文本的部件直方圖(Component-Frequency-Rank，CFR)，它能直觀地表示某一篇文本中出現(xiàn)的所有部件的次數(shù)以及排名情況。

由此可知，文本的部件直方圖由部件編號(hào)、部件頻次以及部件頻次的排名(即部件的階)三部分構(gòu)成。

部件直方圖定義為

CFR={ci,fci,rci|i=1,2,3,…,U}。

(2)

式中：U是部件總數(shù)，ci是部件編號(hào)，fci是部件ci出現(xiàn)的次數(shù)，rci是部件ci在文本部件直方圖中的階。

2 本文算法

本文以中文漢字為研究對(duì)象，通過借助漢字部件直方圖，提出一種基于漢字部件直方圖和隨機(jī)文本選擇的無載體信息隱藏方法。首先是對(duì)文本數(shù)據(jù)庫的碼本構(gòu)建得到部件直方圖，這一步通信雙方均需完成；接著是信息隱藏部分，其中包括對(duì)秘密信息的轉(zhuǎn)換、隨機(jī)選擇載體文本集和構(gòu)建索引等流程；最后是對(duì)秘密信息的提取。算法整體框架如圖2所示，包括文本庫的碼本構(gòu)建、隱藏和提取算法設(shè)計(jì)三個(gè)部分。

圖2 算法整體框架

2.1 構(gòu)建部件直方圖的文本庫

文本的無載體信息隱藏依托于文本數(shù)據(jù)庫，本文選取搜狗實(shí)驗(yàn)室公開的新聞數(shù)據(jù)集作為文本數(shù)據(jù)庫。通信雙方在信息傳遞之前，需使用相同的方法對(duì)文本庫建立碼本庫。構(gòu)建碼本庫的過程主要包括文本預(yù)處理、統(tǒng)計(jì)文本的部件頻次、為文本分配標(biāo)簽、獲取文本的部件直方圖以及建立全文索引。通過建立索引得到秘密信息和文本標(biāo)簽的映射關(guān)系。具體步驟如下：

(1)文本預(yù)處理。首先去除掉每篇文中的停用字、無用字以及標(biāo)點(diǎn)符號(hào)，抽取文本中的中文漢字，獲得每篇文本中所有的漢字集合。

(2)利用公式(2)獲得每篇文本的部件直方圖CFR，得到文本中每個(gè)部件編號(hào)的次數(shù)以及對(duì)應(yīng)的階排名，每篇文本的信息都被處理成“部件編號(hào)、頻次、階”的數(shù)據(jù)結(jié)構(gòu)。

(3)利用哈希索引算法將對(duì)每篇文本生成一個(gè)哈希值，作為文本標(biāo)簽。

(4)建立文本標(biāo)簽與對(duì)應(yīng)文本部件直方圖的鏈接索引，使文本標(biāo)簽鏈接該文本的部件直方圖。

通過構(gòu)建文本庫中每篇文本的部件直方圖作為信息隱藏的碼本，圖3是一篇文本的部件直方圖的一部分。

圖3 文本部件直方圖的一部分

2.2 信息隱藏方案

2.2.1 秘密信息轉(zhuǎn)換

發(fā)送方隱藏秘密信息前，需對(duì)秘密信息進(jìn)行預(yù)處理。假設(shè)秘密信息為M，其中M由n個(gè)關(guān)鍵字構(gòu)成，不妨記作

M={m1,m2,m3,…,mn}。

(3)

利用漢字?jǐn)?shù)學(xué)表達(dá)式理論，將秘密信息M的每個(gè)關(guān)鍵字mi轉(zhuǎn)換為漢字?jǐn)?shù)學(xué)表達(dá)式。由于漢字表達(dá)式中六個(gè)運(yùn)算符均占用兩位字節(jié)，為節(jié)約空間及便于表達(dá)，定義運(yùn)算符映射規(guī)則如下：

ops={‘ud’,‘ru’,‘lr’,‘we’,‘lu’,‘ld’,‘’}?

{‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘I’}。

(4)

式中：‘ud’‘ru’‘lr’‘we’‘lu’‘ld’是六個(gè)運(yùn)算符，分別映射為‘A’‘B’‘C’‘D’‘E’‘F’。上述運(yùn)算符均為雙目運(yùn)算符，考慮到部分簡單的漢字的數(shù)學(xué)表達(dá)式即為單個(gè)部件，為統(tǒng)一表達(dá)形式，定義特殊運(yùn)算符‘I’，該運(yùn)算符為單目運(yùn)算。為區(qū)分各個(gè)漢字?jǐn)?shù)學(xué)表達(dá)式的界限，使用字符‘J’作為分隔符。則有轉(zhuǎn)換之后的信息M′如公式(5)所示：

(5)

式中：EXP是漢字?jǐn)?shù)學(xué)表達(dá)式轉(zhuǎn)換函數(shù)，根據(jù)文獻(xiàn)[15]可知，任何一個(gè)漢字均有唯一的漢字?jǐn)?shù)學(xué)表達(dá)式與之對(duì)應(yīng)。在該文獻(xiàn)理論指導(dǎo)下，現(xiàn)已具備一套完整的漢字與漢字表達(dá)式對(duì)應(yīng)庫，故必存在函數(shù)EXP(M,ops)，可將秘密信息每個(gè)關(guān)鍵字轉(zhuǎn)換為秘密信息漢字?jǐn)?shù)學(xué)表達(dá)式。同理，也一定存在漢字?jǐn)?shù)學(xué)表達(dá)式唯一表示一個(gè)漢字，即有

M=EXP(M′,ops)。

(6)

2.2.2 基于隨機(jī)文本選擇的隱藏方法

為保證搜索載密文本的隨機(jī)性，增加隱藏魯棒性，同時(shí)也提高檢索效率，本文提出一種隨機(jī)文本選擇方法實(shí)現(xiàn)信息進(jìn)行檢索載密文本，主要思想是在隨機(jī)選擇的公開載體文本庫中與秘密信息的部件直方圖進(jìn)行部件集合的對(duì)比，從中獲得一個(gè)包含秘密信息所有部件的載體文本。假設(shè)公開文本庫包含文本總數(shù)為X，隨機(jī)抽取的載體文本數(shù)量為x，則選擇閾值如公式(7)所示：

(7)

遍歷檢索載體文本集中的文本部件直方圖，如果找到包含有所有秘密信息部件集合的文本部件直方圖，則將其作為載體文本，返回該文本的文本標(biāo)簽。

2.2.3 索引構(gòu)建

當(dāng)發(fā)送方獲得可以隱藏秘密信息的載體文本后，可根據(jù)載體文本的部件直方圖構(gòu)建秘密信息索引。本文以秘密信息的部件為驅(qū)動(dòng)，通過階-部件映射規(guī)則構(gòu)成秘密信息部件索引。同時(shí)將隱藏文本的文本標(biāo)簽作為文本索引，最終構(gòu)建成“秘密信息索引+文本索引”混合結(jié)構(gòu)。

階-部件映射規(guī)則定義如下：

已知文本的部件直方圖包含部件(component)、部件頻次(frequency)和部件的階(rank)三部分，部件直方圖中的部件和階存在如下特性：

性質(zhì)1 在一個(gè)部件直方圖內(nèi)，部件號(hào)與部件的階可唯一表示；

性質(zhì)2 不同部件直方圖之間，相同的部件號(hào)對(duì)應(yīng)的階不一樣。

利用性質(zhì)1，可在一個(gè)部件直方圖內(nèi)定義部件和階的轉(zhuǎn)換函數(shù)CH，即存在

rank=CH(component)，

(8)

component=CH(rank)。

(9)

本文采用隨機(jī)選擇載體文本方法，同一秘密信息進(jìn)行多次隱藏時(shí)隨機(jī)選擇的載體文本會(huì)大有不同，結(jié)合部件直方圖部件和階的性質(zhì)2可知，構(gòu)建的秘密信息索引也將不同。該方式較大程度上提高了秘密信息隱藏隱蔽性。

綜上，秘密信息隱藏的大致流程為：發(fā)送方首先利用轉(zhuǎn)換函數(shù)將秘密信息轉(zhuǎn)換為秘密信息漢字?jǐn)?shù)學(xué)表達(dá)式，在秘密信息漢字?jǐn)?shù)學(xué)表達(dá)式中得到秘密信息的部件集合；然后通過在隨機(jī)選擇的載體文本庫的部件直方圖中獲得的最佳隱藏秘密信息的載體文本，再根據(jù)公式(4)和公式(8)對(duì)秘密信息漢字?jǐn)?shù)學(xué)表達(dá)式中的運(yùn)算符進(jìn)行重新表達(dá)，對(duì)秘密信息部件轉(zhuǎn)換為隱藏載體文本中部件的階作為秘密信息的部件索引，將載體文本標(biāo)簽作為文本索引；最后將其作為混合秘密索引傳遞給接收方。

考慮到秘密索引傳輸效率和安全性，本文將混合秘密索引的字符進(jìn)行哈夫曼編碼(Huffman Coding)，最終形成二進(jìn)制序列作為最終傳遞的密鑰索引發(fā)送給接收方。

2.3 信息提取方案

秘密信息的提取就是信息隱藏過程的逆過程，接收方只需要將發(fā)送過來的索引按照索引構(gòu)建的過程逆向拆分就能還原秘密信息。提取過程如圖4所示,具體步驟如下：

圖4 信息提取流程

Step1 接收發(fā)送方傳遞過來的二進(jìn)制哈夫曼編碼，并將其還原為混合秘密信息索引。

Step2 反向遍歷混合秘密信息索引尋找第一個(gè)分隔符‘J’,前部分即為秘密信息索引，后部分為載密文本索引。

Step3 根據(jù)載密文本索引，接收方在文本部件直方圖庫中獲得該文本索引的部件直方圖。

Step4 根據(jù)公式(9)，在載密文本部件直方圖中將秘密信息索引的階還原成部件號(hào)。

Step5 根據(jù)公式(6)的轉(zhuǎn)換函數(shù)，得到秘密信息表達(dá)式M=EXP(M′,ops)。

Step6 根據(jù)分隔符‘J’，識(shí)別每個(gè)關(guān)鍵字，還原成秘密信息M。

Step7 由于發(fā)送方將秘密信息轉(zhuǎn)換為漢字?jǐn)?shù)學(xué)表達(dá)式時(shí)是逐一順序轉(zhuǎn)換，故接收方還原秘密信息就是各個(gè)漢字順序即原始秘密信息順序。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)環(huán)境

測(cè)試環(huán)境：Windows10操作系統(tǒng)，CPU為Intel Xeno E5-2620 v4，主頻為2.10 GHz，內(nèi)存為24 GB；編程環(huán)境為Python3.6;所用到的公開庫存儲(chǔ)在遠(yuǎn)程的MySQL服務(wù)器上。

3.2 實(shí)驗(yàn)分析

本節(jié)分別從隱藏容量和隱藏成功率兩個(gè)方面對(duì)算法進(jìn)行性能分析，載體數(shù)據(jù)庫來源于搜狗實(shí)驗(yàn)室的數(shù)據(jù)集，實(shí)驗(yàn)數(shù)據(jù)來源于文獻(xiàn)[10]和文獻(xiàn)[11]中提供的120個(gè)文本(作為秘密信息進(jìn)行測(cè)試)，120個(gè)文本的長度為1～6 kB。每篇測(cè)試文本的漢字?jǐn)?shù)量統(tǒng)計(jì)如圖5所示。

圖5 每篇測(cè)試文本的漢字?jǐn)?shù)量

3.2.1 隱藏容量

隱藏容量是指在確認(rèn)秘密信息不可感知的情況下，隱寫載體可隱藏秘密信息的關(guān)鍵詞數(shù)量。隱藏容量也是評(píng)價(jià)信息隱藏算法性能的重要指標(biāo)之一。

假設(shè)一條秘密信息中漢字的個(gè)數(shù)是n個(gè)，隱藏秘密信息所需載體文本的數(shù)量為s，則隱藏容量Vi的定義如下：

(10)

利用公式(10)計(jì)算實(shí)驗(yàn)的隱藏容量，與文獻(xiàn)[10]和文獻(xiàn)[11]的實(shí)驗(yàn)對(duì)比結(jié)果如圖6所示。

圖6 隱藏容量對(duì)比

從圖6中可以看出，本文方法的隱藏容量遠(yuǎn)遠(yuǎn)高于其他兩種方法——由于本文方法利用漢字?jǐn)?shù)學(xué)表達(dá)式將秘密信息拆分為部件，極大地提高了載體文本對(duì)部件的覆蓋率。故相比于其他兩種方法，本文方法在隱藏容量方面的性能表現(xiàn)較為優(yōu)越。這120個(gè)文本的平均隱藏容量的實(shí)驗(yàn)結(jié)果如表1所示。

表1 三種方法的平均隱藏容量

3.2.2 隱藏成功率

隱藏成功率是指秘密信息隱藏在傳輸載體中發(fā)送給接收方之后，接收方在傳輸載體中將秘密信息提取出來，和原來的秘密信息是否一致。在信息傳輸?shù)倪^程中，為了保證能準(zhǔn)確將秘密信息發(fā)送出去，一般需要準(zhǔn)備一個(gè)龐大的載體數(shù)據(jù)集，使得有時(shí)候并不能精確地匹配到秘密信息，因此隱藏成功率的大小也是衡量一個(gè)信息隱藏算法的重要指標(biāo)之一。假設(shè)秘密信息中漢字的個(gè)數(shù)為n，隱藏失敗的漢字個(gè)數(shù)為f，則隱藏成功率σ的定義為

(11)

本次實(shí)驗(yàn)的文本公開庫包含20萬個(gè)載體文本，隨機(jī)選擇比率閾值取0.6，結(jié)果如圖7所示。

圖7 隱藏成功率對(duì)比

本文方法通過部件這種對(duì)文字結(jié)構(gòu)進(jìn)行拆解的形式來表示秘密信息，不受文本格式以及文體的限制，且提取時(shí)不需要用到基于自然語言處理技術(shù)來對(duì)秘密信息進(jìn)行語義分析等操作，進(jìn)一步提高了秘密信息的隱藏成功率。從表2可以看出，平均隱藏成功率為98.33%，相比文獻(xiàn)[10]的94.8%的隱藏成功率有一定的提高，與文獻(xiàn)[11]的97.89%的平均隱藏成功率相比略有提高。

表2 三種方法的平均隱藏成功率

由此可以看出，與文獻(xiàn)[10]和文獻(xiàn)[11]這兩個(gè)算法相比，本文的平均隱藏容量相對(duì)比較高，平均隱藏成功率相差不大，有較好的性能。

3.3 安全性分析

不同于其他的中文無載體隱藏方法，本文方法使用漢字?jǐn)?shù)學(xué)表達(dá)式處理秘密信息，利用自然文本的部件直方圖與秘密信息之間存在的映射關(guān)系作為檢索條件，最后將索引發(fā)送給接收方，整個(gè)過程沒有改變過文本的任何屬性，所以能夠抵抗隱寫分析的異常檢測(cè)等。不對(duì)漢字或中文詞語本身做隱藏，而是以漢字的部件為隱藏單位，通過借助部件直方圖構(gòu)建映射關(guān)系，實(shí)現(xiàn)信息隱藏?；谖谋镜碾[寫檢測(cè)分析一般是分析文本屬性的變化進(jìn)而發(fā)現(xiàn)秘密信息的存在，本文方法沒有改變文本的任何狀態(tài)，使用的是自然文本傳輸信息，因此安全性高。

4 結(jié)束語

本文介紹了一種基于隨機(jī)文本選擇的無載體信息隱藏算法。該算法利用漢字?jǐn)?shù)學(xué)表達(dá)式理論引申部件直方圖，通過給定閾值隨機(jī)選擇一定量的載體文本部件直方圖，可以提高隱藏的魯棒性。通過構(gòu)建文本的部件直方圖和秘密信息的部件集合之間的映射關(guān)系得到混合秘密信息索引，同時(shí)考慮到秘密信息索引的傳輸效率和安全性，秘密索引采用哈夫曼編碼后傳輸給接收方。該方法沒有對(duì)載體文本進(jìn)行任何修改，通過采用隨機(jī)選擇載體文本方式，同時(shí)充分利用了部件直方圖的性質(zhì)，使秘密信息每次隱藏是均生成不同的秘密信息索引，較好地實(shí)現(xiàn)了隱藏的安全性和隱蔽性，在隱藏容量和隱藏成功率方面的性能也較好。但該方法是將秘密信息隱藏至一個(gè)載體文本中，在尋找一個(gè)能完整包含整個(gè)秘密信息的載體文本上需要花費(fèi)較大的時(shí)間開銷。在下一步工作中，計(jì)劃提出一種多文本選擇方案解決該問題。