Hopfield神经网络在文本水印中的应用研究.pdfVIP

第33卷第5期 杭州电子科技大学学报 Vd．33，No．5 0f Dianzi 2013年lO月 Joumalm∞丑m Univmity Oct．2013 doi：10．3969／j．imm．1001-9146．2013．05=036 Hopfield神经网络在文本水印中的应用研究 王静，唐向宏，林新建 (杭州电子科技大学通信工程学院，浙江杭州310018) 摘要：该文利用Hopfidd网络的联想记忆功能，提出一种基于Hop6ela神经网络的文本可恢复水印 算法。该算法通过同义词替换嵌入水印，用可替换同义词的位置信息和水印信息完成Hopfiekl神 经网络对原始文本特征信息和水印信息的记忆训练。仿真实验表明，该算法具有良好的隐蔽性和 鲁棒性，不仅能够恢复由水印的嵌入造成的原始文本的改变，而且能够恢复由对文本内容的部分 攻击造成的水印文本的改变。 关键词：神经网络；联想记忆；同义词；可恢复 中图分类号：TP309 文献标识码：A 文章编号：100l一9146(2013)05—0138—04 0引言 近年来，Hopfield神经网络被广泛应用于图像水印，以其联想记忆特性，能使不完整的、污损的输入 样本恢复成完整的、未受污染的样本原型，实现了图像水印算法中原始图像的恢复。文献1、2均利用 Hopfield神经网络的记忆特性来记忆载体数据和水印信息，通过其联想特性实现恢复功能，而文献3提 出一种基于融合BP神经网络和,Hopfield神经网络优点的数字水印算法，同样亦利用联想记忆功能实现 恢复。Hopfield神经网络在图像水印算法实现可恢复性方面发挥了重大作用，但至今在文本水印的研 究中却鲜有提及，仅有文献4提出的一种基于神经网络后处理的数字文本水印算法，它利用Hopfield网 络对粗提取的水印信息进行后处理，改善了水印的质量，但其实质还是Hopfield网络对图像水印的处 像水印中的应用以及其良好的联想恢复特性，考虑将Ho蚯eld神经网络应用于纯文本水印技术并且实 现可恢复性，目前为止，文本可恢复水印的研究主要针对自然语言技术，如文献5,6提出的两类文本可 恢复水印算法，两者都是基于自然语言中同义词替换技术的可恢复水印算法，前者具有较好的鲁棒性和 可恢复性，后者可恢复性好但鲁棒性差。本文算法利用自然语言技术，实现了图像象素值的模拟，并首 次将Hopfield网络引入纯文本水印，探讨一种可恢复文本水印技术。 1算法原理及实现 1．I Hopfield神经网络 对于Hopfield．网络，用作联想记忆时，首先通过一个学习训练过程确定网络中的权系数，使所记忆 的信息成为网络能量的最小状态。然后，向网络给出输入向量，即使这个向量可能是不完全或部分不正 确数据，网络仍能完整输出所记忆信息¨1。其联想记忆功能原理如下： (1)网络的训练过程。设有m个n维样本向量需要存储(nm)，将欲存储样本向量进行编码，得 到取值为1和一1的记忆模式x。=【x：，x：，…，x：，…；x=】，k=1，2，…，m，其网络的权值系数设置为：w日 收稿日期：2013一cr7—20 作者简介：王静(1989一)，女，河南濮阳人，在读研究生，信号与信息处理． 第5期 ． 王静等：Ho面eld神经网络在文本水印中的应用研究 139 f上∑x：寸 i≠j ={n。 ，其中i，j=l，29 o，n。设置好权值系数，Hopfield网络训练完毕； 10 ‘ i=j (2)网络的联想过程。对给定向量U=【u。，u：，…，Un】进行联想，U的各个分量为相对应节点的初 sgn[】是符号函数，ej为外部应用阈值。这种替代过程一直进行到状态向量元素不再改变为止，最终的 稳定状态Y-【y。，y：，…，yⅡ】就是与给定的向量U最接近的样本向量。 根据上诉联想记忆特点，基于Hopfield神经网络的数字文本可恢复水印算法的基本原理就是在水 神经网络所记忆的信息，恢