論文の概要: Graph-Stega: Semantic Controllable Steganographic Text Generation Guided by Knowledge Graph

• arxiv url: http://arxiv.org/abs/2006.08339v1
• Date: Tue, 2 Jun 2020 06:53:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 00:47:23.965197
• Title: Graph-Stega: Semantic Controllable Steganographic Text Generation Guided by Knowledge Graph
• Title（参考訳）: graph-stega: ナレッジグラフによる意味制御可能なステガノグラフィーテキスト生成
• Authors: Zhongliang Yang, Baitao Gong, Yamin Li, Jinshuai Yang, Zhiwen Hu, Yongfeng Huang
• Abstract要約: 本稿では,既存のモデルと密に異なるテキスト生成ステガノグラフィー手法を提案する。 我々は、知識グラフ(KG)を用いて、ステガノグラフ文の生成をガイドする。 実験結果から,提案モデルが生成したテキストの品質と意味表現の両方を保証できることが示唆された。
• 参考スコア（独自算出の注目度）: 29.189037080306353
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most of the existing text generative steganographic methods are based on coding the conditional probability distribution of each word during the generation process, and then selecting specific words according to the secret information, so as to achieve information hiding. Such methods have their limitations which may bring potential security risks. Firstly, with the increase of embedding rate, these models will choose words with lower conditional probability, which will reduce the quality of the generated steganographic texts; secondly, they can not control the semantic expression of the final generated steganographic text. This paper proposes a new text generative steganography method which is quietly different from the existing models. We use a Knowledge Graph (KG) to guide the generation of steganographic sentences. On the one hand, we hide the secret information by coding the path in the knowledge graph, but not the conditional probability of each generated word; on the other hand, we can control the semantic expression of the generated steganographic text to a certain extent. The experimental results show that the proposed model can guarantee both the quality of the generated text and its semantic expression, which is a supplement and improvement to the current text generation steganography.
• Abstract（参考訳）: 既存のテキスト生成ステガノグラフ法のほとんどは、生成プロセス中に各単語の条件確率分布を符号化し、秘密情報に基づいて特定の単語を選択することにより、情報隠蔽を実現する。 このような方法には、潜在的なセキュリティリスクをもたらす可能性がある制限がある。 第一に、埋め込み率の増加に伴い、これらのモデルは、生成したステガノグラフィーテキストの品質を低下させる条件付き確率の低い単語を選択し、第二に、最終的な生成ステガノグラフィーテキストの意味表現を制御できない。 本稿では,既存のモデルと密に異なるテキスト生成ステガノグラフィー手法を提案する。 我々は、知識グラフ(KG)を用いて、ステガノグラフ文の生成をガイドする。 一方、知識グラフ内のパスをコーディングすることで秘密情報を隠蔽するが、生成した単語の条件付き確率ではなく、生成したステガノグラフテキストのセマンティック表現をある程度制御することができる。 実験の結果,提案モデルは,生成したテキストの品質と,その意味表現の両方を保証でき,現在のテキスト生成ステガノグラフィを補足し改善できることがわかった。

関連論文リスト

• Zero-shot Generative Linguistic Steganography [31.19052670719132]
  本稿では,言語ステガノグラフィのための文脈内学習に基づくゼロショット手法を提案する。 実験結果から,本手法はどの手法よりも無邪気で無知なステゴテキストを生成できることが示唆された。
  論文  参考訳（メタデータ） (2024-03-16T08:31:25Z)
• Generating Faithful Text From a Knowledge Graph with Noisy Reference Text [26.6775578332187]
  与えられたグラフから忠実な自然言語テキストを生成することができるKG-to-text生成モデルを開発した。 まず、コントラスト学習を利用して、テキスト内の忠実な情報と幻覚的な情報を区別するモデルの能力を強化する。 第2に、制御可能なテキスト生成技術を用いて、デコーダに生成したテキストの幻覚レベルを制御する権限を与える。
  論文  参考訳（メタデータ） (2023-08-12T07:12:45Z)
• GlyphDiffusion: Text Generation as Image Generation [100.98428068214736]
  テキスト誘導画像生成によるテキスト生成のための新しい拡散手法であるGlyphDiffusionを提案する。 私たちのキーとなるアイデアは、ターゲットのテキストを視覚言語コンテンツを含むグリフイメージとしてレンダリングすることです。 また,本モデルでは,近年の拡散モデルよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2023-04-25T02:14:44Z)
• SpaText: Spatio-Textual Representation for Controllable Image Generation [61.89548017729586]
  SpaTextはオープン語彙シーン制御を用いたテキスト・ツー・イメージ生成の新しい手法である。 シーン全体を記述したグローバルテキストプロンプトに加えて、ユーザはセグメンテーションマップを提供する。 現状拡散モデルである画素ベースと潜在条件ベースでの有効性を示す。
  論文  参考訳（メタデータ） (2022-11-25T18:59:10Z)
• Bootstrapping Text Anonymization Models with Distant Supervision [2.121963121603413]
  本稿では,遠隔監視に基づくテキスト匿名化モデルのブートストラップ手法を提案する。 手動でラベル付けされたトレーニングデータを必要とする代わりに、このアプローチは、公開されていると思われるバックグラウンド情報を表す知識グラフに依存する。
  論文  参考訳（メタデータ） (2022-05-13T21:10:14Z)
• Hierarchical Heterogeneous Graph Representation Learning for Short Text Classification [60.233529926965836]
  短文分類のためのグラフニューラルネットワーク(GNN)に基づく ShiNE と呼ばれる新しい手法を提案する。 まず,短文データセットを単語レベル成分グラフからなる階層的不均一グラフとしてモデル化する。 そして、類似した短いテキスト間の効果的なラベル伝搬を容易にするショート文書グラフを動的に学習する。
  論文  参考訳（メタデータ） (2021-10-30T05:33:05Z)
• A Plug-and-Play Method for Controlled Text Generation [38.283313068622085]
  制御言語生成のためのプラグイン・アンド・プレイ復号法を提案する。 このアプローチの単純さにもかかわらず、実際に驚くほどうまく機能しているのが分かります。
  論文  参考訳（メタデータ） (2021-09-20T17:27:03Z)
• Learning to Generate Scene Graph from Natural Language Supervision [52.18175340725455]
  シーングラフと呼ばれる画像内の局所化オブジェクトとその関係をグラフィカルに表現するために,画像と文のペアから学習する最初の方法の1つを提案する。 既製のオブジェクト検出器を利用してオブジェクトのインスタンスを識別し、ローカライズし、検出された領域のラベルとキャプションから解析された概念をマッチングし、シーングラフを学習するための"擬似ラベル"を作成する。
  論文  参考訳（メタデータ） (2021-09-06T03:38:52Z)
• Provably Secure Generative Linguistic Steganography [29.919406917681282]
  提案手法は, 新規にセキュアな生成言語分類法ADGである。 ADGは、市販の言語モデルによって与えられる確率に応じて、トークンの適応動的グループ化によって秘密情報を埋め込む。
  論文  参考訳（メタデータ） (2021-06-03T17:27:10Z)
• Near-imperceptible Neural Linguistic Steganography via Self-Adjusting Arithmetic Coding [88.31226340759892]
  本稿では,ニューラルネットワークモデルに基づく自己調整型算術符号を用いた秘密メッセージを符号化する新しい言語ステガノグラフィー手法を提案する。 人間の評価によると、生成されたカバーテキストの51%は、実際に盗聴器を騙すことができる。
  論文  参考訳（メタデータ） (2020-10-01T20:40:23Z)
• Improving Disentangled Text Representation Learning with Information-Theoretic Guidance [99.68851329919858]
  自然言語の独特な性質は、テキスト表現の分離をより困難にする。 情報理論にインスパイアされた本研究では,テキストの不整合表現を効果的に表現する手法を提案する。 条件付きテキスト生成とテキストスタイル転送の両方の実験は、不整合表現の質を実証する。
  論文  参考訳（メタデータ） (2020-06-01T03:36:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。