信息隐藏作为信息安全研究领域的一个重要分支,主要研究在视频、图像、音频和文本等载体中隐藏秘密信息,达到隐秘通信的目的。与其他类型的载体相比,文本具有直观处理,数据量大等优点,但同时由于文本冗余度低导致难以在文本中隐藏更多信息。目前,国内外研究较多的是基于语义的文本信息隐藏,基于语义的文本信息隐藏方法是一种通过变换字词本身而不改变语义的隐藏方法,其中以同义词替换的方法目前取得成果较多。传统的基于同义词替换方法依赖同义词词典,目前使用最多的同义词词典是《同义词林》。但是随着语言环境的改变,《同义词林》中很多词语已经不能很好的适应当前研究环境。随着互联网用户原创内容的快速发展(UGC),大量的网络新词被发明,基于网络新词语的扩展也逐渐发展成为一个研究热点。基于同义词替换信息隐藏主要思想是寻找出载体文本存在于词典中的同义词,根据需要嵌入的比特信息对载体文本的词语做修改,达到嵌入秘密信息的目的。但嵌入的信息越多对载体操纵和编码次数就越频繁,会导致嵌入率较低,同时容易被统计隐写分析工具检测到。基于上述问题,本文提出了一种动态扩展情感词典的方法,采用特定规则识别语料中的情感词,通过词语向量工具word2vec学习出语料库中的词语上下文语义关系,采用余弦相似度算法将最相似的两个情感词组合成情感词对。最后将情感词对与矩阵编码算法相结合,通过计算出最小修改单元从而减少对载体的改写,增加了文本隐藏的嵌入率。本文采用文本困惑度作为隐写算法的评价指标,同时将支持向量机对隐写文本的检测结果作为算法性能指标。通过实验分析表明:扩展后的情感词典与矩阵编码相结合,能够提高隐写算法的嵌入效率,可以降低被统计分析工具检测到的可能性,从而提高秘密信息的安全性。