25、自然语言水印技术解析

自然语言水印技术解析

1. 文本选择与基础概念

为了将转换形式与解析器输出相匹配，我们选择了一份政府文档作为样本语料库，具体是“核武器事故响应程序”手册（ 链接 ），该文本长度为 5980 个单词，具有典型的句法结构分布，基于句法树的系统便是在这份文本上实现的。

在介绍自然语言水印方案之前，我们需要了解一些基础概念。设待加水印的文本由 n 个句子 (s_1, \cdots, s_n) 组成，每个句子 (s_i) 对应一个树 (T_i)，在当前原型实现中，(T_i) 从句法上表示 (s_i)，未来实现可能从语义上表示。对于每个树 (T_i)，可按以下步骤得到一个二进制字符串 (B_i)（其中 (H) 是哈希函数，且忽略 (T_i) 节点的标签）：
1. 按照树的前序遍历为 (T_i) 的节点编号（根节点编号为 1，根节点最左边的子节点编号为 2，依此类推）。
2. 将节点上的每个编号 (i) 替换为一个比特：若 (i + H(p)) 是模 (p) 的二次剩余，则为 1，否则为 0。这里的 (p) 是用于插入和读取水印的大素数密钥。
3. (B_i) 是按照树的后序遍历列出 (T_i) 节点上得到的比特（根节点的比特在 (B_i) 的末尾，最左边叶子节点的比特在 (B_i) 的开头，依此类推）。

需要注意的是，在后续原型中，可能会在步骤 2 的计算中考虑每个树节点的标签，当前原型未做此处理。另外，(B_i) 还有其他可能的定义方式，后续会分析上述定义的优势。

设 (\hat{B}_i = H(B