吳戈，文大化

（1.長(zhǎng)春理工大學(xué) 電子信息工程學(xué)院，長(zhǎng)春 130022；2.中國(guó)科學(xué)院 長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，長(zhǎng)春 130033）

目前，數(shù)字水印被普遍認(rèn)為是抵抗各種多媒體產(chǎn)品盜版及解決相關(guān)版權(quán)糾紛的“最后一道防線”。因此從水印技術(shù)角度來(lái)看，它的應(yīng)用前景之廣泛和經(jīng)濟(jì)價(jià)值之大受到了整個(gè)業(yè)界的矚目。進(jìn)入21世紀(jì)，人們對(duì)網(wǎng)絡(luò)逐漸從認(rèn)識(shí)過(guò)渡到熟悉，網(wǎng)絡(luò)即給人們合法使用提供了方便，同時(shí)也使盜版也變得更加輕易，因此數(shù)字作品的管理、保護(hù)不僅成為業(yè)界迫切需要解決的問(wèn)題，而且對(duì)非法使用數(shù)字作品的維權(quán)也成為司法界執(zhí)行版權(quán)糾紛的要求。

電子文檔就是以數(shù)據(jù)方式存于計(jì)算機(jī)中的文件，目前，即使視頻和音頻數(shù)字作品依托互聯(lián)網(wǎng)快速發(fā)展，但文本數(shù)據(jù)依然是互聯(lián)網(wǎng)上使用最多和傳播最廣的一種信息模式。因此如何保護(hù)電子文本版權(quán)，維護(hù)原創(chuàng)作者的權(quán)益，以及充分利用文本數(shù)據(jù)作載體進(jìn)行隱蔽通信，對(duì)信息安全具有重要意義和實(shí)用價(jià)值。

1 文本水印

文本水印作為一種保護(hù)文本數(shù)據(jù)信息的技術(shù)，它的目的是保護(hù)在文本媒體中隱藏的信息不被非法使用者侵犯并可利用水印檢測(cè)技術(shù)恢復(fù)和保留在數(shù)據(jù)中，從而實(shí)現(xiàn)文本所有權(quán)和跟蹤對(duì)作品的侵權(quán)行為。目前已有的大部分文本信息隱藏方法集中于兩個(gè)方面：一種是采用基于文本數(shù)據(jù)格式的方式，通過(guò)改變文本的排版特征嵌入隱秘信息。這種方法由于對(duì)媒體本身改動(dòng)過(guò)于明顯，很容易受到重新排版的影響，同時(shí)也很容易受到敵手的攻擊，甚至隱秘信息被識(shí)別。另一種是基于自然語(yǔ)言算法的信息隱藏，其方法按照水印嵌入粒度可分為詞匯層、句子層和篇章層。本文從句子層角度出發(fā)進(jìn)行探討的。

不論想在哪種載體（文本、圖像、視頻、音頻等數(shù)字載體）中嵌入水印，都需要利用原有載體中存在的冗余現(xiàn)象。對(duì)于文本而言，由于其句法結(jié)構(gòu)存在冗余，同時(shí)，由于語(yǔ)言在長(zhǎng)期發(fā)展過(guò)程中形成的同一意思可用不同句式表達(dá)的特點(diǎn)，所以可以通過(guò)句法分析來(lái)尋找水印的嵌入點(diǎn)。

2 依存句法分析水印算法

2.1 算法思想

依存句法分析［1］有一個(gè)重要特點(diǎn)：絕大多數(shù)句子以動(dòng)詞為核心詞，少量句子以形容詞為核心詞；同時(shí)由于很多句中都存在主謂關(guān)系（SBV），即存在依賴于核心詞的名詞、代詞，圖1為依存句法分析示例。根據(jù)上述特點(diǎn)并結(jié)合與句子中核心詞有關(guān)的詞匯用法，考慮到副詞則是既有結(jié)構(gòu)意義又有語(yǔ)用意義的詞，所以可以考慮利用其結(jié)構(gòu)意義設(shè)計(jì)水印算法。

圖1 依存句法分析示例Fig.1 Example of dependency parsing

對(duì)于依存于核心詞的主謂關(guān)系（SBV），要通過(guò)遍歷找到構(gòu)成主謂關(guān)系（SBV）的兩個(gè)詞中間是否還含有其他句法關(guān)系。如果除了狀中結(jié)構(gòu)（ADV）外，不再含有其他關(guān)系，則可以考慮刪除狀中結(jié)構(gòu)（ADV）來(lái)嵌入水印信息；否則結(jié)構(gòu)過(guò)于復(fù)雜，計(jì)算時(shí)間過(guò)長(zhǎng)，不予考慮。如果原來(lái)主謂關(guān)系（SBV）的兩個(gè)詞中間沒(méi)有其他句法關(guān)系，則可通過(guò)增加能構(gòu)成狀中結(jié)構(gòu)（ADV）的詞來(lái)嵌入水印信息。

由于核心詞主要為動(dòng)詞和形容詞，依存于核心詞的構(gòu)成主謂關(guān)系（SBV）的另一個(gè)詞主要是名詞和代詞；而依存于核心詞構(gòu)成狀中結(jié)構(gòu)（ADV）的主要是副詞，整個(gè)算法的關(guān)鍵就在于對(duì)副詞的刪減和增加上，所以要對(duì)副詞進(jìn)行分類討論。

2.2 水印嵌入規(guī)則

針對(duì)副詞的水印嵌入原則，提出以下句子結(jié)構(gòu)特點(diǎn)：

（1）相對(duì)程度副詞中的較高級(jí)、比較級(jí)、較低級(jí)中的各個(gè)詞可以增刪而基本不影響語(yǔ)義，而相對(duì)程度副詞中的最高級(jí)和絕對(duì)程度副詞都不能增刪而只能替換。

（2）程度副詞中的較高級(jí)、比較級(jí)、較低級(jí)中的各個(gè)詞可以增刪而基本不影響語(yǔ)義，而相對(duì)程度副詞中的最高級(jí)和絕對(duì)程度副詞都不能增刪去而只能替換。

（3）范圍副詞的句子中，如果是全部總括型，可以刪去；如果是部分總括型，不能刪去可替換。在含統(tǒng)計(jì)性范圍副詞的句子中，如果是全部統(tǒng)計(jì)，可以刪去；如果是部分統(tǒng)計(jì)型，不能刪去可替換。如果是含有限定性范圍副詞或外加性范圍副詞，可以刪去；

（4）基于語(yǔ)氣副詞特點(diǎn)提出對(duì)于表示或然語(yǔ)氣“也許、或許”等詞可以刪去；表示必然語(yǔ)氣“一定、必然、必定”等詞可以刪去；表示料定語(yǔ)氣“果然、果真”等詞可以刪去；表示必要語(yǔ)氣“必須、一定、務(wù)必”等詞以及表示僥幸語(yǔ)氣“幸虧、幸而、幸好”等詞不能刪去。

（5）對(duì)于不適合進(jìn)行刪去處理的副詞，建立副詞同義詞詞典，采用替換的方法嵌入水印。

2.3 算法流程

圖2 基于句子分析的水印嵌入算法流程Fig.2 Flow chart of watermarking embedding algorithm

2.4 水印的嵌入和提取

水印嵌入的具體步驟如下：

Input：文本T，密鑰K1，密鑰K2，用戶信息。

Output：含水印文本T’。

（1）使用擁有者和用戶信息產(chǎn)生二進(jìn)制水印序列W1，用密鑰K1對(duì)W1進(jìn)行混沌調(diào)制，得待嵌入水印信號(hào)W。

（2）.利用分詞系統(tǒng)對(duì)T進(jìn)行分詞，找到所有的句號(hào)、問(wèn)號(hào)、驚嘆號(hào)。建立句子集合

（3）.對(duì)每個(gè)句子進(jìn)行句法分析。找到每個(gè)句子的核心詞（HED），對(duì)核心詞前的句法結(jié)構(gòu)進(jìn)行分類，把含有SBV+ADV關(guān)系的句子合成一個(gè)子集S1，把其中構(gòu)成ADV結(jié)構(gòu)的副詞合并成一個(gè)子集C’。

（4）計(jì)算S1的句子數(shù)目N，N=num（S1）

（6）利用密鑰K2，把S1映射到與水印信息長(zhǎng)度相同句子集合S2中。

（8）output T’

水印提取基本上是水印嵌入的逆過(guò)程，這里不再詳盡敘述。

3 實(shí)驗(yàn)結(jié)果

本文選用了北大CCL語(yǔ)料庫(kù)中的句子，截止2009年7月其規(guī)模已經(jīng)達(dá)到4.77億字。這里僅選取其現(xiàn)代漢語(yǔ)中的部分免費(fèi)語(yǔ)料進(jìn)行實(shí)驗(yàn)，選取的語(yǔ)料共10684個(gè)分句。對(duì)10684個(gè)句子利用哈工大的LTP平臺(tái)進(jìn)行分析，其中主要副詞及可進(jìn)行替換的情況統(tǒng)計(jì)如表1。

從表1中的數(shù)據(jù)可以得出水印嵌入容量為9.75%，高于文獻(xiàn)［3］的算法。與文獻(xiàn)［4］進(jìn)行魯棒性比較的結(jié)果如表2，從表中可以看出在實(shí)現(xiàn)比較容易的情況下，本文的方法在魯棒性方面不弱于已經(jīng)獲得廣泛認(rèn)同的基于TMR樹(shù)的方法。

表1 實(shí)驗(yàn)文本中副詞格變換的統(tǒng)計(jì)Tab.1 statistics of adverbs exchanging in texts

表2 與其他算法魯棒性比較Tab.2 robustness comparison with other algorithms

4 結(jié)論

本文提出一種基于中文文本的句子層分析的信息隱藏方法，其特點(diǎn)是利用文本中大量存在的SBV?ADV結(jié)構(gòu)，而對(duì)ADV結(jié)構(gòu)中的副詞進(jìn)行合理的替換和增刪通常對(duì)文本含義的表達(dá)不會(huì)產(chǎn)生較大的影響，這樣就可以實(shí)現(xiàn)將信息嵌入到文本中的目的。實(shí)驗(yàn)結(jié)果表明本算法具有較好的魯棒性和較大的水印容量。

［1］姜傳賢，陳孝威.基于文本重要內(nèi)容的魯棒水印算法［J］.自動(dòng)化學(xué)報(bào)，2010，9（9）：1250-1256.

［2］孫星明，殷建平，陳火旺，等.漢字的數(shù)學(xué)表達(dá)式研究［J］.計(jì)算機(jī)研究與發(fā)展，2002，9（6）：707-711.

［3］Gupta G，Pieprzyk J，Wang H X.An attack-localizing watermarking scheme for natural language documents［A］.Proceedings of the ACM Symposium on Information，Computer and Communications Security［C］.Taipei，2006：157-165.

［4］Atallah M J,Raskin V，Crogan.Metal Natural language watermarking：Design，Analysis and Proof-of-Concept Implementation［A］.Proc of the 4th Information Hiding Workshop［C］.Pittsburgh，2001：193-208.