摘要：在人工智能与信息安全深度融合的背景下，AI生成文本的滥用与文本隐写技术的隐蔽传播已成为网络安全与信息隐私领域的重大挑战。中国农业大学副教授文娟凭借深厚的学术造诣、前瞻性的研究视野与多项突破性成果，在AI生成文本检测、文本隐写与隐写分析等关键领域中确立了国内外学

转自：中国改革报

□ 赵雨晨

在人工智能与信息安全深度融合的背景下，AI生成文本的滥用与文本隐写技术的隐蔽传播已成为网络安全与信息隐私领域的重大挑战。中国农业大学副教授文娟凭借深厚的学术造诣、前瞻性的研究视野与多项突破性成果，在AI生成文本检测、文本隐写与隐写分析等关键领域中确立了国内外学术界的重要地位，被誉为该交叉领域的领军人才。

引领AI生成文本检测的前沿研究。随着大型语言模型（如ChatGPT）的广泛使用，AI生成文本的滥用问题日益严重，涉及学术造假、虚假新闻与恶意评论等多个社会层面。文娟提出的DP-Net（Dynamic PerturbationNetwork）方法，首次将强化学习与动态扰动机制引入检测任务，通过噪声分布的动态调整显著提升了模型在跨域场景下的泛化能力与对抗鲁棒性。该方法在三大跨域检测场景中达到最先进精度，并在对抗攻击测试中保持优异性能，成功解决了现有方法在泛化性与鲁棒性之间的权衡难题。文娟提出的“将鲁棒性视为一种特殊领域偏移”的理论视角，为该领域的后续研究提供了新思路。

突破文本隐写分析的少样本学习瓶颈。文本隐写术（LinguisticSteganography）具有极高的隐蔽性与检测难度，尤其在样本稀缺、分布多样的实际场景中。文娟带领团队取得的研究成果LS-FAT（Linguistic SteganalysisbasedonFew—shotAdversarialTrain-ing）框架，首次将对抗训练与元学习相结合，构建了任务无关特征提取器与任务相关投影器的双模块结构，实现“吸引—排斥”双阶段特征优化机制，显著提升了对多源、多分布隐写文本的检测能力。该框架在多个跨数据集测试中优于现有方法，并可扩展至多类隐写分析任务。她所构建的多领域、多算法、多载荷隐写文本数据集，为该方向的深入研究提供了宝贵资源。

推动生成式文本隐写技术的革新。文娟创新性地提出基于扩散模型的生成式文本隐写方法GTSD（Generative Text Steg-anographybasedonDiffusionModel），摒弃传统自回归生成方式，通过提示映射与批次映射机制，实现了高隐藏容量、高生成速度与高抗检测性的统一。GTSD在多项指标上优于现有最优方法（如ADG、VLC），抗替换攻击能力尤为突出，生成速度提升50倍至100倍，为实时隐蔽通信奠定技术基础。该方法进一步推动了文本隐写技术从“修改型”向“生成型”的转向，为可扩展隐写系统设计提供了新的思路与理论指导。

构建跨域自适应的隐写检测体系。面对隐写文本分布多变、检测模型泛化能力不足的挑战，文娟进一步提出ARTS（Adversary-RefinementFrameworkforTextStega-nalysis）框架，通过任务不变提取器与任务相关投影器的协同优化，在少样本条件下实现对高混淆度样本的精准识别，在六大跨数据集测试中均取得最优性能，展现了强大的域适应性与模型鲁棒性。ARTS推动了文本隐写分析向细粒度、多任务方向发展，并为跨域小样本学习提供了方法论支持。

文娟的研究成果已发表于IEEETrans-actions on Dependable and SecureComputing、ECAI、ACL等国际顶级会议与期刊，并获得国家自然科学基金等多个项目支持。她不仅在AI生成文本检测、隐写与隐写分析等领域推动了理论创新，其研究成果在信息安全、内容审核、舆论监管等方面也具有广泛的应用前景。她所领导团队开发的检测工具与数据集已开源，促进了学界与工业界的合作与交流，体现了技术落地与社会服务的责任担当。作为多项国家级项目负责人，她在人才培养方面也贡献良多，指导的学生已在国内外知名企业与高校中发挥重要作用。

文娟以跨学科的创新思维、扎实的实验功底与卓越的工程实现能力，在AI与信息安全交叉领域中取得了系统性的突破，奠定了其领先的学术地位。她不仅是理论研究的引领者，更是将前沿技术转化为社会价值的重要推动者。随着多模态、多语言、强对抗环境的进一步发展，文娟的研究将继续为该领域的前沿探索与产业应用提供关键支撑，为构建安全、可信的数字世界贡献力量。

来源：新浪财经