[论文解读] An Approach for Text Steganography Based on Markov Chains

H. Hernan Moraldo|arXiv (Cornell University)|Sep 2, 2014

Advanced Steganography and Watermarking Techniques被引用 23

一句话总结

本文提出了一种基于马尔可夫链的文本隐写方法，与以往常简化转移概率的方法相比，能更准确地保持原始语言模型的统计特性。通过采用保持概率保真度的精细编码过程，并利用基于报头的长度信号实现可变长度数据嵌入，该方法生成的文本更具自然性，隐写容量更高，且更难被检测。

ABSTRACT

A text steganography method based on Markov chains is introduced, together with a reference implementation. This method allows for information hiding in texts that are automatically generated following a given Markov model. Other Markov - based systems of this kind rely on big simplifications of the language model to work, which produces less natural looking and more easily detectable texts. The method described here is designed to generate texts within a good approximation of the original language model provided.

研究动机与目标

• 解决现有基于马尔可夫链的隐写方法因简化转移概率而导致文本不自然或易被检测的问题。
• 开发一种在文本生成过程中能保持原始马尔可夫语言模型高保真近似的隐写系统。
• 通过引入基于报头的长度信号机制，实现可变长度数据嵌入，确保解码时无需事先知晓数据大小。
• 提供开源工具 MarkovTextStego 的参考实现，以确保可复现性并支持实际评估。

提出的方法

• 该方法使用完整的马尔可夫链模型，采用非均匀转移概率，避免了以往系统中常见的将出边概率均等化的简化做法。
• 文本生成遵循马尔可夫链的转移概率，确保词序列反映原始语言模型的统计结构。
• 通过固定大小的报头编码步骤，使用预定义的大小参数 m 嵌入秘密数据的长度，实现可变长度数据处理。
• 实际数据的编码从报头文本的最后一个词开始，以保持连续性，并避免在隐写文本中出现句子中断。
• 解码函数首先提取报头长度，然后使用报头的最后一个词作为起始状态，从文本剩余部分解码数据。
• 可选的后处理步骤在编码文本末尾添加一个随机且语法完整的句子，以保持解码完整性，同时不影响有效载荷。

实验结果

研究问题

• RQ1 基于马尔可夫链的隐写系统能否比现有简化转移概率的方法更准确地保持原始语言模型的统计特性？
• RQ2 如何在不预先知晓数据大小的情况下，将可变长度数据嵌入隐写文本？
• RQ3 当使用从文学文本中提取的真实马尔可夫模型时，该系统的可实现隐写容量是多少？
• RQ4 与现有方法相比，该方法在隐写文本自然度和抗隐写分析能力方面表现如何？

主要发现

• 当使用从真实文学文本中提取的大规模马尔可夫链时，该方法的隐写有效载荷大小约为原始数据大小的 6–7 倍。
• 经压缩后，隐写文本的大小约为原始数据大小的两倍，表明具有很高的压缩效率。
• 对于小数据量（几字节），载荷与隐写文本大小之比可高达 9:1，但该比例在大载荷下进一步提升。
• 该系统通过基于报头的长度信号机制成功实现了可变长度数据嵌入，确保了解码时无需事先知晓数据大小。
• 参考实现 MarkovTextStego 已公开发布，证明了该方法在实际应用中的可行性。
• 实证结果表明，由于保留了概率结构，该方法生成的文本比以往方法更具自然性，可能降低在隐写分析中的可检测性。