論文の概要: Provably Secure Generative Linguistic Steganography
- arxiv url: http://arxiv.org/abs/2106.02011v1
- Date: Thu, 3 Jun 2021 17:27:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-04 16:06:27.495184
- Title: Provably Secure Generative Linguistic Steganography
- Title（参考訳）: 生成言語ステガノグラフィーの安全性
- Authors: Siyu Zhang, Zhongliang Yang, Jinshuai Yang, Yongfeng Huang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 29.919406917681282
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative linguistic steganography mainly utilized language models and
applied steganographic sampling (stegosampling) to generate high-security
steganographic text (stegotext). However, previous methods generally lead to
statistical differences between the conditional probability distributions of
stegotext and natural text, which brings about security risks. In this paper,
to further ensure security, we present a novel provably secure generative
linguistic steganographic method ADG, which recursively embeds secret
information by Adaptive Dynamic Grouping of tokens according to their
probability given by an off-the-shelf language model. We not only prove the
security of ADG mathematically, but also conduct extensive experiments on three
public corpora to further verify its imperceptibility. The experimental results
reveal that the proposed method is able to generate stegotext with nearly
perfect security.
- Abstract（参考訳）: 生成的言語ステガノグラフィーは主に言語モデルとステガノグラフィーサンプリング(stegosampling)を使用して、高安全性ステガノグラフィーテキスト(stegotext)を生成する。
しかし、従来の手法は一般に、ステゴテキストと自然文の条件付き確率分布の統計的差異をもたらし、セキュリティリスクを引き起こす。
本稿では,さらにセキュリティを確保するために,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再帰的に埋め込む,確実な生成型言語分類法ADGを提案する。
我々はADGの安全性を数学的に証明するだけでなく、3つの公的なコーパスに対して広範な実験を行い、その非受容性をさらに検証する。
実験の結果,提案手法がほぼ完全なセキュリティでstegotextを生成できることが判明した。
関連論文リスト
- Towards Next-Generation Steganalysis: LLMs Unleash the Power of Detecting Steganography [18.7168443402118]
言語ステガノグラフィーは、特にAI生成技術の出現と共に、メッセージを隠蔽するための便利な実装を提供する。
既存の手法は、記号統計学の側面から、ステガノグラフテキストと正規テキストの分布差を見つけることに限定されている。
本稿では,大規模言語モデル(LLM)のヒューマンライクなテキスト処理機能を用いて,人間の知覚との違いを実現することを提案する。
論文 参考訳（メタデータ） (2024-05-15T04:52:09Z) - Provably Secure Disambiguating Neural Linguistic Steganography [66.30965740387047]
サブワードに基づく言語モデルを使用する際に生じるセグメンテーションの曖昧さ問題は、時にはデコード障害を引き起こす。
そこで我々はSyncPoolという,セグメンテーションのあいまいさ問題に効果的に対処する,セキュアな曖昧さ回避手法を提案する。
SyncPoolは、候補プールのサイズやトークンの分布を変えないため、確実に安全な言語ステガノグラフィー手法に適用できる。
論文 参考訳（メタデータ） (2024-03-26T09:25:57Z) - 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) - Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-07-31T10:22:33Z) - Perfectly Secure Steganography Using Minimum Entropy Coupling [60.154855689780796]
カチン1998のステガノグラフィー情報理論モデルでは, ステガノグラフィーの術式は完全に安全であることが示されている。
また, 完全セキュアな手順の中で, 最小エントロピー結合によって誘導される場合に限, 情報スループットが最大になることを示す。
論文 参考訳（メタデータ） (2022-10-24T17:40:07Z) - On the probability-quality paradox in language generation [76.69397802617064]
我々は情報理論レンズを用いて言語生成を分析する。
人間の言語は自然文字列上の分布のエントロピーに近い量の情報を含むべきであると仮定する。
論文 参考訳（メタデータ） (2022-03-31T17:43:53Z) - On Information Hiding in Natural Language Systems [0.0]
本稿では,自然言語システムに隠された情報を実行する自然言語ステレオグラフィー(NLS)手法について考察する。
これらのシステムの機密性および非受容性要件に関する主な課題を要約する。
本稿では,ステガノグラフのテキスト品質を対象とする改良の潜在的方向性を提案する。
論文 参考訳（メタデータ） (2022-03-12T20:34:05Z) - Neural Text Generation with Part-of-Speech Guided Softmax [82.63394952538292]
テキスト生成を導くために,言語アノテーション,すなわち部分音声(POS)を用いることを提案する。
提案手法は,比較品質を維持しつつ,より多様なテキストを生成できることを示した。
論文 参考訳（メタデータ） (2021-05-08T08:53:16Z) - 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) - Graph-Stega: Semantic Controllable Steganographic Text Generation Guided
by Knowledge Graph [29.189037080306353]
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。
論文 参考訳（メタデータ） (2020-06-02T06:53:21Z)
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。