中国农业大学薛一鸣教授课题组在信息安全领域顶级期刊：IEEE信息取证与安全汇刊（IEEE Transactions on Information Forensics and Security）上在线发表了研究论文《用于跨域自然语言隐写分析的自适应域不变特征提取》(Adaptive domain-invariant feature extraction for cross-domain linguistic steganalysis)

文本隐写分析检测领域通常采用人工智能手段进行检测分析，要求训练数据集和测试数据集满足独立且同分布。然而，在现实场景中，隐写文本的生成采用了各种类型的文本和隐写算法，很难满足训练数据集和测试数据集之间独立、相同分布的要求。这个问题被称为域不匹配问题，它会显著降低检测性能。课题组设计了一种基于新的域距离度量和自适应权重选择网络的跨域语言隐写分析架构，解决了域不匹配条件下难以检测隐写文本的问题。实验结果表明，所提出的文本隐写分析方法在跨语料，跨算法，跨嵌入容量任务上都具有明显优势。

论文所提出的SANet架构图

提出的跨域语言隐写分析体系结构主要由三部分组成:公共特征提取器、域不变特征提取器和线性分类器。此外，课题组还全面分析了现有跨领域语言隐写分析的领域距离度量的局限性，提出了专用于文本隐写分析的距离度量方法SDDM。为了直观地说明不同领域距离度量对领域不匹配的有效性，使用主成分分析(PCA)来可视化实验结果。

基于不同域自适应损失和提出的SANet的隐写文本和自然文本特征的可视化

所提方法在公开语料数据集上取得了最先进（SoTA）的效果：

不同域自适应损失对隐写分析检测精度的影响

该研究工作的第一完成单位为中国农业大学，合作单位是复旦大学。我校信息与电气工程学院薛一鸣教授为论文的第一作者，2022级硕士研究生吴家璇为论文的学生第一作者，文娟副教授和复旦大学彭万里为共同通信作者。冀荣华副教授、理学院钟萍教授参与了相关研究工作。该研究工作得到国家自然科学基金课题（No. 62272463）的资助。

薛一鸣教授课题组长期从事信息安全研究，围绕安全芯片设计、后量子密码算法、信息隐藏开展研究。近三年来以第一或通讯作者先后在IEEE信息取证与安全汇刊（IEEE Transactions on Information Forensics and Security）、IEEE可靠性与安全计算汇刊（IEEE Transactions on Dependable and Secure Computing）、美国计算机学会信息隐藏和多媒体安全研讨会（ACM IH&MMSEC）等信息安全顶级期刊、会议发表文章。

论文链接：https://ieeexplore.ieee.org/document/10299660