申请/专利权人：湖北大学

申请日：2023-08-14

公开（公告）日：2024-07-02

公开（公告）号：CN117131202B

主分类号：G06F16/36

分类号：G06F16/36;G06N3/042;G06N3/0442;G06N3/045;G06N3/0455;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.07.02#授权;2023.12.15#实质审查的生效;2023.11.28#公开

摘要：本发明公开了一种基于知识图谱的文本隐写方法、相关方法及装置，该方法包括根据预先确定的主题匹配的知识图谱中各节点出现的频率，选取频率最高的节点作为起始节点；根据知识图谱对应的图结构，确定起始节点的边集；根据确定的边集中各边的权值，基于哈夫曼树，确定边集中各边的哈夫曼编码；将秘密信息流与边集中各边的哈夫曼编码进行匹配，得到新的起始节点；重复执行确定新的起始节点的边集中各边的哈夫曼编码并与秘密信息流进行匹配的过程，直至秘密信息流编码完成，得到有序链子图；根据预先构建的翻译模型，将有序链子图转换为隐写文本。该方法实现了生成内容的可控性，提高了信息隐藏的安全性和有效性，使隐藏的秘密信息难以检测。

主权项：1.一种基于知识图谱的文本隐写方法，其特征在于，包括：根据预先确定的主题匹配的知识图谱中各节点出现的频率，选取频率最高的节点作为起始节点；根据所述知识图谱对应的图结构，确定所述起始节点的边集；根据确定的所述边集中各边的权值，基于哈夫曼树，确定所述边集中各边的哈夫曼编码；将秘密信息流与所述边集中各边的哈夫曼编码进行匹配，得到新的起始节点；重复执行确定新的起始节点的边集中各边的哈夫曼编码并与所述秘密信息流进行匹配的过程，直至所述秘密信息流编码完成，得到有序链子图；根据预先构建的翻译模型，将所述有序链子图转换为隐写文本；所述预先构建的翻译模型包括第一图神经网络、第二图神经网络和LSTM网络；所述根据预先构建的翻译模型，将所述有序链子图转换为隐写文本，包括：将所述有序链子图输入所述第一图神经网络编码，获得文本生成计划；将所述知识图谱输入所述第二图神经网络和LSTM网络编码，获得所述知识图谱的结构；将所述文本生成计划和所述知识图谱的结构输入LSTM网络解码，获得所述隐写文本。

全文数据：

权利要求：

百度查询： 湖北大学 一种基于知识图谱的文本隐写方法、相关方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD