[發明專利]一種信息隱寫的檢測方法及裝置

有效

• 申請號: 201811494711.3
• 申請日: 2018-12-07
• 公開（公告）號: CN109740369B
• 公開（公告）日: 2021-02-19
• 發明（設計）人: 樊利安;劉建國;謝云龍
• 申請（專利權）人: 中國聯合網絡通信集團有限公司;聯通大數據有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62
• 代理公司: 北京天昊聯合知識產權代理有限公司 11112
• 代理人: 彭瑞欣;汪源

1.一種信息隱寫的檢測方法，其特征在于，包括：

對掃描信息進行分析，判斷敏感信息模型庫中是否存在對應的敏感信息模型，所述敏感信息模型庫中存儲有敏感信息模型以及與所述敏感信息模型對應的輸出概率；

若所述敏感信息模型庫中存在對應的敏感信息模型，則將所述掃描信息輸入所述敏感信息模型，以計算第一輸出概率，所述第一輸出概率為與所述掃描信息對應的輸出概率；

判斷所述第一輸出概率是否大于或等于所述敏感信息模型的輸出概率；

若是，則確定所述掃描信息存在信息隱寫；

若所述敏感信息模型庫不存在對應的敏感信息模型，則判斷所述掃描信息是否存在敏感信息；

若所述掃描信息存在敏感信息，則根據所述敏感信息建立敏感信息模型；

所述根據所述敏感信息建立敏感信息模型步驟，具體包括：

將所述敏感信息通過預先建立的元素關系映射庫轉義為特征向量w；

根據所述特征向量w，通過公式g(w)＝∏_{u∈{w}∪NEG(w)}p(u|Context(w))計算特征向量集合g(w)；

其中，

w為敏感詞，Context(w)為w的上下文，NEG(w)為負樣本子集，為Context(w)中各詞的詞向量之和，θ^u為詞u對應的一個輔助向量，正樣本是u是敏感詞的樣本，負樣本是u不是敏感詞的樣本，p(u|Context(w))為低維向量數據訓練集；

通過公式計算敏感系數概率作為所述敏感信息模型的輸出概率，產生敏感信息模型；

其中，z＝w^Tx+b，w^T為權重，x為所述特征向量集合g(w)，b 為常量。

2.根據權利要求1所述的信息隱寫的檢測方法，其特征在于，所述方法，還包括：

若所述掃描信息存在敏感信息，則確定所述掃描信息存在信息隱寫。

3.根據權利要求2所述的信息隱寫的檢測方法，其特征在于，所述判斷所述掃描信息是否存在敏感信息步驟，具體包括：

通過預先建立的元素關系映射庫對所述掃描信息進行元素轉義，獲得轉義后的元素；

對所述轉義后的元素進行排列組合，判斷預先建立的關鍵字特征庫中是否存在與所述排列組合的結果集合中一致的組合；

若存在，則確定所述掃描信息存在敏感信息；

若不存在，確定所述掃描信息不存在敏感信息。

4.根據權利要求3所述的信息隱寫的檢測方法，其特征在于，所述判斷所述掃描信息是否存在敏感信息步驟中，若判斷出所述掃描信息存在敏感信息，所述方法還包括：

獲取所述敏感信息模型的輸出概率；

將所述敏感信息模型及對應的輸出概率存儲在所述敏感信息模型庫中。

5.根據權利要求1-4任一項所述的信息隱寫的檢測方法，其特征在于，所述方法還包括：

若所述第一輸出概率小于所述敏感信息模型的輸出概率，則確定所述掃描信息不存在信息隱寫，并對所述敏感信息模型進行優化。