买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江工商大学申请的专利基于深度学习的隐写文本抗隐写分析能力增强方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115983267B 。

龙图腾网通过国家知识产权局官网在2026-03-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310050841.2，技术领域涉及：G06F40/289；该发明授权基于深度学习的隐写文本抗隐写分析能力增强方法是由胡智文;胡琪镐设计研发完成，并于2023-02-02向国家知识产权局提交的专利申请。

本基于深度学习的隐写文本抗隐写分析能力增强方法在说明书摘要公布了：本发明属于信息传输中的信息隐藏技术领域，公开了一种基于深度学习的隐写文本抗隐写分析能力增强方法，该方法利用深度学习方法学习开放域环境中的数据集特征，并在嵌入秘密信息的同时生成具有原数据集统计分布的隐写文本，最后根据隐写文本的情感倾向和表情符号在真实环境中的分布情况对隐写文本进行相应的表情符号推荐，从而进一步强化隐写文本的抗隐写分析能力。本发明解决了生成式文本隐写工作中隐写文本情感线索缺失的问题，从而使得隐写文本在公共信道中进行传输时的抗攻击能力更强。

本发明授权基于深度学习的隐写文本抗隐写分析能力增强方法在权利要求书中公布了：1.一种基于深度学习的隐写文本抗隐写分析能力增强方法，其特征在于，包含以下步骤： 步骤1：从社交媒体平台中搜集网络文本； 步骤2：对数据集进行相应的预处理，包括清除特殊符号、超链接以及电话号码构成数据集； 步骤3：统计数据集中表情符号的统计分布特征并根据语义进行分类，并设计两种表情符号推荐算法：Insert算法与Replace算法； 算法参数说明： A：步骤5中隐写文本生成模型生成的纯文本隐写文本集； s：A中的单条隐写文本； s1：完成表情符插入后的隐写文本； B：步骤5中经过表情符号推荐算法加入表情符号后的隐写文本集； f：步骤3-1中统计出的数据集中含有表情符号的网络文本占比； f1：步骤3-2中统计出来的含有标点符号的网络文本占比； P：步骤3-3中统计出的表情符号在网络文本中的位置信息； p：P中的具体值，取句首、句中与句尾其中一个； P1：当前网络文本的标点符号位置索引列表； p1：随机从P1中选取的具体值； N：步骤3-4中统计出的含有各数目表情符号的网络文本占比情况； n：N中的具体值，取值范围为n∈[1,5]，其中n为正整数； Insert算法包括如下步骤： 1从A中选取s，然后根据f的概率值，判断是否对其进行表情符号插入操作，如果判断结果为Flase则进入2，为True则进入3； 2将s输出到B中，该条隐写文本操作结束； 3从N中选取数量信息n作为对s的插入表情符号数量； 4表情符号预测模型对输入句子进行情感预测，然后从预测的表情符号分类池中根据真实统计分布选择一个表情符号，然后从P中选取位置信息p作为该表情符在s中的插入位置，此过程循环n遍； 5完成4操作后，得到s1，并将s1输出到B中； Replace算法包括如下步骤： 1从A中选取s，判断s中是否含有标点符号，如果判断结果为True，则进入3，如果为Flase，则进入2； 2将s输出到B中，该条隐写文本操作结束； 3根据的概率值，判断是否对其进行表情符号替换操作，如果判断结果为True，则进入5，如果判断结果为Flase，则进入4； 4将s输出到B中，该条隐写文本操作结束； 5从N中选取数量信息n作为对s的插入表情符号数量； 6计算当前隐写文本的标点符号位置索引P1，并从中随机选取替换位置p1； 7使用表情符号预测模型对s进行n次预测，得到n个表情符号合并成一个字符串对p1位置的标点符号进行替换； 完成7操作后得到s1，并将s1输出到B中；步骤4：进一步处理数据集分别用于隐写文本生成模型和表情符号预测模型的训练； 步骤5：用步骤4中训练好的隐写文本生成模型生成具有秘密信息的隐写文本，并将隐写文本输入到步骤4中训练好的表情符号预测模型中，根据步骤3的推荐算法将表情符号加入到隐写文本中； 步骤6：计算步骤5中生成的隐写文本生成模型生成的纯文本隐写文本、经Insert算法加入表情符号的隐写文本、经Replace算法加入表情符号的隐写文本三组数据的基本指标，并输入进隐写分析模型中比较三组隐写文本的抗隐写分析能力强弱。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江工商大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学正街18号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。