Cross-domain text steganalysis based on domain adversarial learning
Haiping NIE, Zhuo Chen, Junwei Du, Ying Meng · Scientia Sinica Informationis · 2025
传统文本隐写分析方法通常基于数据独立同分布假设，对领域间数据差异非常敏感。而基于领域自适应的隐写分析方法则在训练阶段依赖目标域数据来缓解领域间差异对模型性能的影响。本文提出了一种基于领域对抗学习的跨域文本隐写分析方法，使用微调的 BERT 从多个源域中提取文本的通用特征表示；构建域不变特征提取器作为生成器，引入 MixStyle 模块，使用随机采样的权重对多个源域的特征统计数据进行加权组合，模拟新的领域特征。设计领域判别器，通过最小化最大平均差异和最大化域判别损失进行对抗训练，学习跨域载密文本的潜在不变特征表示, 从而对齐源域间的特征分布, 增强模型在跨域数据上的泛化能力。实验结果显示，本方法在跨嵌入容量、隐写方法以及语料库场景下，均显著优于当前先进的隐写分析技术。