字形扰动采用调整字符结构和笔画的方式,使原始字符发生肉眼不易察觉的细微变化,产生多个被赋予特定含义的字符变体,利用这些字符变体可以在文本文档中嵌入秘密信息。与英文字符相比,中文汉字具有独特的文化优越性,其数量、笔画和结构更加适合信息隐藏领域多样性的需求,近年来该领域蕴藏的科学理论问题已经成为研究热点之一。通常,汉字的字形设计耗时耗力,如何更有效地对汉字进行字形扰动,并适用于多种字体风格,成为亟需解决的问题,本文对基于深度学习的汉字字形扰动与字体风格迁移问题进行了深入研究。本文介绍了汉字字体风格迁移以及字符字形扰动的现有方法,重点归纳了汉字生成方法的特点。针对汉字字形扰动和风格迁移,本文从汉字图像的角度,对汉字变体生成与字体风格转换进行研究,主要内容如下:（1）提出了基于并行自编码器的汉字字形扰动与风格迁移方法。该方法采用对抗训练的方式,在转换汉字字体风格的同时,关注笔画空间位置的变化,对单个汉字进行笔画扰动以生成对应的四个汉字变体。设计了差异判别器衡量真实的与生成的目标字体汉字变体图像之间的差距,定义了扰动损失和像素块损失以感知笔画的位置变化,进一步修正汉字图像中的错误像素点。与现有方法相比,该方法具备对汉字进行字形扰动生成汉字变体,并转换字体风格的能力,生成的目标字体汉字变体笔画清晰,可识别性高。实验构造的小型汉字字形扰动图像数据集,为后续字形扰动工作提供了数据支持。（2）提出了基于注意力增强卷积的汉字字形扰动风格化方法。该方法采用多组自注意力机制增强卷积的方式,在字体风格迁移网络中通过连接卷积特征映射与自注意力激励映射,捕获汉字内部的特征相关性,充分理解汉字骨架的空间结构。还利用字体风格提取网络采样得到目标字体风格特征,送入字体风格迁移网络的解码器中,与转置卷积操作输出的特征进行拼接,强化网络对目标字体风格特征的学习。实验结果表明,该方法能够学习汉字结构和笔画风格的特征,生成目标字体风格明显的汉字变体图像。本文利用深度学习技术,实现汉字字形扰动的自动化,提高汉字设计效率,并生成高质量的风格化汉字变体图像,可广泛应用于中文文本的信息隐藏场景。