涉密文件涉及国家利益、企业利益和个人利益,关乎国家安全、商业安全和公共安全,纸介质载体在涉密文件分发、使用和溯源过程中具有不可替代的作用,而使用数字水印技术是防止纸介质资料非法打印传播、追溯打印源的有效方法。基于数字水印的涉密文档溯源是当前信息安全领域研究的热点课题。但当前世界上的文本数字水印研究的字体多为英文,而汉字与英文在结构、笔画等方面都存在巨大差异,现有英文数字水印技术并不适用于中文文本,因而研究汉字的数字水印技术有着重要的现实意义。与此同时,应用于纸介质载体的数字水印技术必须要能抵抗打印、复印、拍照以及扫描等过程中产生的噪声干扰。为了有效利用汉字自身特征,设计出一种兼顾隐蔽性和抗干扰性的中文文本数字水印技术,本文做了以下创新工作:首先,研究了汉字自身的笔画结构,提出了一种基于汉字笔画交叉点特征的数字水印嵌入与提取算法,先将文字图片统一缩放为256*256尺寸,再为对汉字进行细线化处理,定位要做改动的笔画交叉处的特征点位置,然后从细线图上获取要做修改的轨迹点;进一步结合特征点和轨迹点对汉字笔画进行处理,从而改动汉字笔画间的交叉点数量;通过该算法可对2800多个常见汉字进行处理,以低于50个像素的改动操作来嵌入水印,不易被人察觉,且在经过打印、复印、拍照等操作后仍能保留完整的水印信息,具有良好的鲁棒性和抗干扰性。为了提高中文文本数字水印的提取准确率,将深度学习的连接文本提议网络（Connectionist Text Proposal Network,CTPN）字符检测模型和卷积递归神经网络（Convolutional Recurrent Neural Network,CRNN）字符识别模型引入到数字水印提取过程中。CTPN字符检测模型以卷积神经网络（Convolutional Neural Network,CNN）为基础,添加了长短时记忆网络（Long Short Memory Network,LSTM）层,可检测多个固定宽度的小文本段,再后处理将这些小的文本段连接得到文本行,在处理各类文本图片时可准确定位不定长文本行位置;CRNN字符识别模型能直接识别多种语言及字体的字符串,且能较好地识别形变字符,与使用传统的字符检测与识别方法相比,可明显提升数字水印的提取准确率。此外,基于上述所提中文文本数字水印嵌入与提取算法,给出了一种涉密文本溯源应用方法,该方法在视觉效果良好的前提下将用于文档溯源追踪的安全信息隐藏于纸质文档中,可抵抗打印、扫描、拍照过程中的各种不确定因素,有效追踪文件出处信息,具有很好的适应性和可靠性。