项目名称: 语言隐写分析的系统实用方法研究

项目编号: No.61202407

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 计算机科学学科

项目作者: 陈志立

作者单位: 中国科学技术大学苏州研究院

项目金额: 23万元

中文摘要: 语言隐写术利用自然语言来隐藏信息。语言隐写分析是语言隐写术的逆向研究,是对隐写信息的存在性检测与还原分析。语言隐写分析对阻止敏感信息传输,从而增强信息安全,有着重要意义。当前,对语言隐写分析的研究刚刚起步,已有的分析方法一般仅针对特定隐写方法,只关注准确性,适用性差,难以实现系统实用的分析。因此,本项目拟针对上述问题,研究系统实用的语言隐写分析方法,研究内容包括:(1)设计实用的分析特征;(2)研究系统的语言隐写分析模型和方法;(3)研究分类方法和实验文本对分析效果的影响,增强分析方法的实用性。我们拟从语言风格和语言适合度的角度,主要采用概率统计分析和语义关联分析相结合的手段和分类技术,在剖析各种已知隐写方法原理的基础上,设计有效性和适用性合理折衷的分析特征,提出系统的语言隐写分析模型,逐步发展成一套系统实用的语言隐写分析方法。本项目的实施有望促进语言隐写分析技术的实用化发展。

中文关键词: 信息隐藏;隐写术;语言隐写分析;分析特征;

英文摘要: Linguistic steganography hides information using natural languages. Linguistic steganalysis is the reverse research of linguistic steganography and it aims to detect the existence of hidden information and recovery the information. It has great significance in preventing the transmission of sensitive information and thus enhancing information security. Currently, the research on linguistic steganalysis has just in its beginning. The present linguistic steganalysis methods are targeted to particular steganography methods. They pay close attention to accuracy, but their applicability is poor. They are hard to be used systematically in practice. Therefore, aiming at the problems described above, this project focuses on the research of systematic and practical linguistic steganalysis methods. Its research contents include (1) designing practical steganalysis features; (2) studying systematic linguistic steganalysis models and methods; (3) studying the impacts of classification methods and experimental texts on steganalysis results, enhancing the practicability of the steganalysis. From the perspectives of linguistic style and linguistic suitability, making use of the combining methods of probability statistical analysis and semantic correlation analysis and classification techniques, after analyzing the principles o

英文关键词: Information hiding;Steganography;Linguistic steganalysis;Feature;

成为VIP会员查看完整内容
0

相关内容

多语言语音识别声学模型建模方法最新进展
专知会员服务
33+阅读 · 2022年2月7日
自然语言处理中的文本表示研究
专知会员服务
56+阅读 · 2022年1月10日
专知会员服务
43+阅读 · 2021年10月20日
专知会员服务
127+阅读 · 2021年6月18日
专知会员服务
31+阅读 · 2021年3月17日
专知会员服务
61+阅读 · 2021年3月9日
Python机器学习经典实例,366页pdf
专知会员服务
104+阅读 · 2021年1月2日
实体关系抽取方法研究综述
专知会员服务
177+阅读 · 2020年7月19日
案例研究:实用的书签
人人都是产品经理
0+阅读 · 2022年2月24日
成本砍砍砍!不用数据也能用 BERT 做对比学习?
夕小瑶的卖萌屋
0+阅读 · 2021年7月20日
图像修复研究进展综述
专知
19+阅读 · 2021年3月9日
缺失数据统计分析,第三版,462页pdf
专知
47+阅读 · 2020年2月28日
深度学习的图像修复
AI研习社
22+阅读 · 2019年3月28日
学会原创 | 自然语言的语义表示学习方法与应用
中国人工智能学会
11+阅读 · 2019年3月7日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
19+阅读 · 2021年4月8日
Arxiv
10+阅读 · 2021年2月18日
Arxiv
10+阅读 · 2018年2月17日
小贴士
相关VIP内容
多语言语音识别声学模型建模方法最新进展
专知会员服务
33+阅读 · 2022年2月7日
自然语言处理中的文本表示研究
专知会员服务
56+阅读 · 2022年1月10日
专知会员服务
43+阅读 · 2021年10月20日
专知会员服务
127+阅读 · 2021年6月18日
专知会员服务
31+阅读 · 2021年3月17日
专知会员服务
61+阅读 · 2021年3月9日
Python机器学习经典实例,366页pdf
专知会员服务
104+阅读 · 2021年1月2日
实体关系抽取方法研究综述
专知会员服务
177+阅读 · 2020年7月19日
相关资讯
案例研究:实用的书签
人人都是产品经理
0+阅读 · 2022年2月24日
成本砍砍砍!不用数据也能用 BERT 做对比学习?
夕小瑶的卖萌屋
0+阅读 · 2021年7月20日
图像修复研究进展综述
专知
19+阅读 · 2021年3月9日
缺失数据统计分析,第三版,462页pdf
专知
47+阅读 · 2020年2月28日
深度学习的图像修复
AI研习社
22+阅读 · 2019年3月28日
学会原创 | 自然语言的语义表示学习方法与应用
中国人工智能学会
11+阅读 · 2019年3月7日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员