論文の概要: Semantic-Preserving Linguistic Steganography by Pivot Translation and Semantic-Aware Bins Coding

• arxiv url: http://arxiv.org/abs/2203.03795v1
• Date: Tue, 8 Mar 2022 01:35:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-09 15:17:46.343431
• Title: Semantic-Preserving Linguistic Steganography by Pivot Translation and Semantic-Aware Bins Coding
• Title（参考訳）: Pivot Translation と Semantic-Aware Bins 符号化による意味保存型言語ステレオグラフィ
• Authors: Tianyu Yang, Hanzhou Wu, Biao Yi, Guorui Feng and Xinpeng Zhang
• Abstract要約: 言語ステガノグラフィ(LS)は、秘密情報を隠蔽通信のための高度に符号化されたテキストに埋め込むことを目的としている。 そこで本研究では,2つの異なる言語間をピボットすることで,与えられたテキストを修正する新しいLS法を提案する。
• 参考スコア（独自算出の注目度）: 45.13432859384438
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Linguistic steganography (LS) aims to embed secret information into a highly encoded text for covert communication. It can be roughly divided to two main categories, i.e., modification based LS (MLS) and generation based LS (GLS). Unlike MLS that hides secret data by slightly modifying a given text without impairing the meaning of the text, GLS uses a trained language model to directly generate a text carrying secret data. A common disadvantage for MLS methods is that the embedding payload is very low, whose return is well preserving the semantic quality of the text. In contrast, GLS allows the data hider to embed a high payload, which has to pay the high price of uncontrollable semantics. In this paper, we propose a novel LS method to modify a given text by pivoting it between two different languages and embed secret data by applying a GLS-like information encoding strategy. Our purpose is to alter the expression of the given text, enabling a high payload to be embedded while keeping the semantic information unchanged. Experimental results have shown that the proposed work not only achieves a high embedding payload, but also shows superior performance in maintaining the semantic consistency and resisting linguistic steganalysis.
• Abstract（参考訳）: 言語性ステガノグラフィ(ls)は、秘密情報を高度に符号化されたテキストに埋め込むことを目的としている。 それは大まかに2つの主要なカテゴリ、すなわち修正ベースLS(MLS)と生成ベースLS(GLS)に分けられる。 テキストの意味を損なうことなく、与えられたテキストをわずかに修正することで秘密データを隠蔽するMLSとは異なり、GLSは訓練された言語モデルを使用して秘密データを直接生成する。 MLS手法の一般的な欠点は、埋め込みペイロードが非常に低く、その戻り値がテキストのセマンティックな品質を十分に保っていることである。 対照的に、GLSはデータハイカーに高いペイロードを埋め込むことを可能にするため、制御不能なセマンティクスの高コストを支払わなければならない。 本稿では,2つの異なる言語間をピボットし,glsライクな情報エンコーディング戦略を適用して秘密データを埋め込み,与えられたテキストを修正する新しいls法を提案する。 我々の目的は、与えられたテキストの表現を変更することで、意味情報を変更せずに高いペイロードを埋め込めるようにすることです。 実験の結果,提案手法は高い埋め込みペイロードを達成するだけでなく,意味的一貫性を維持し,言語性ステグアナリシスに抵抗する優れた性能を示すことがわかった。

関連論文リスト

• Generative Text Steganography with Large Language Model [10.572149957139736]
  LLM-Stegaと呼ばれる大規模言語モデルのユーザインタフェースに基づくブラックボックス生成テキストステガノグラフィー手法。 まず、キーワードセットを構築し、秘密メッセージを埋め込むための新しい暗号化されたステガノグラフマッピングを設計する。 総合的な実験により、LLM-Stegaは現在の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-04-16T02:19:28Z)
• MultiLS: A Multi-task Lexical Simplification Framework [21.81108113189197]
  マルチタスクLSデータセットの作成を可能にする最初のLSフレームワークであるMultiLSを提案する。 また,MultiLSフレームワークを用いた最初のデータセットであるMultiLS-PTを提案する。
  論文  参考訳（メタデータ） (2024-02-22T21:16:18Z)
• Gloss-free Sign Language Translation: Improving from Visual-Language Pretraining [56.26550923909137]
  Gloss-Free Sign Language Translation (SLT) はドメイン横断性のために難しい課題である。 視覚言語事前学習(GFSLT-)に基づく新しいGross-free SLTを提案する。 i) コントラスト言語-画像事前学習とマスク付き自己教師付き学習を統合して,視覚的表現とテキスト的表現のセマンティックギャップをブリッジするプレタスクを作成し,マスク付き文を復元すること,(ii) 事前訓練されたビジュアルおよびテキストデコーダのパラメータを継承するエンコーダ-デコーダ-のような構造を持つエンドツーエンドアーキテクチャを構築すること,である。
  論文  参考訳（メタデータ） (2023-07-27T10:59:18Z)
• Better Sign Language Translation with Monolingual Data [6.845232643246564]
  署名言語変換(SLT)システムは、大規模並列G2Tペアの可用性に大きく依存している。 本稿では,大規模対象のモノリンガルデータを擬似グルースに自動的に書き起こす簡易かつ効率的なルール変換法を提案する。 実験の結果,提案手法はSLTの性能を大幅に向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-04-21T09:39:54Z)
• Understanding Translationese in Cross-Lingual Summarization [106.69566000567598]
  言語間要約(MS)は、異なる対象言語で簡潔な要約を生成することを目的としている。 大規模なCLSデータを集めるために、既存のデータセットは通常、それらの生成に翻訳を伴います。 本稿では、まず、CLSデータセット構築の異なるアプローチが、異なるレベルの翻訳に結びつくことを確認する。
  論文  参考訳（メタデータ） (2022-12-14T13:41:49Z)
• Exposing Cross-Lingual Lexical Knowledge from Multilingual Sentence Encoders [85.80950708769923]
  本稿では,多言語言語モデルを用いて,それらのパラメータに格納された言語間語彙の知識量を探索し,元の多言語LMと比較する。 また、この知識を付加的に微調整した多言語モデルにより公開する新しい手法も考案した。 標準ベンチマークの大幅な向上を報告します。
  論文  参考訳（メタデータ） (2022-04-30T13:23:16Z)
• Autoregressive Linguistic Steganography Based on BERT and Consistency Coding [17.881686153284267]
  言語ステガノグラフィ(LS)は、秘密情報をテキストに埋め込むことによって、コミュニケーションの存在を隠蔽する。 近年のアルゴリズムでは、言語モデル(LM)を用いてステガノグラフテキストを生成する。 本稿では,BERTと整合性符号化に基づく自己回帰型LSアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-03-26T02:36:55Z)
• Improving Sign Language Translation with Monolingual Data by Sign Back-Translation [105.83166521438463]
  本稿では,手話テキストを手話訓練に組み込んだ手話逆翻訳(SignBT)手法を提案する。 テキストからグロスへの翻訳モデルを用いて、まずモノリンガルテキストをそのグロスシーケンスに逆変換する。 そして、推定グロス・トゥ・サインバンクから特徴レベルで部品をスプライシングしてペアサインシーケンスを生成する。
  論文  参考訳（メタデータ） (2021-05-26T08:49:30Z)
• FILTER: An Enhanced Fusion Method for Cross-lingual Language Understanding [85.29270319872597]
  我々は,XLMファインタニングの入力として言語間データを利用する拡張融合法を提案する。 推論中は、ターゲット言語で入力されたテキストとソース言語の翻訳に基づいて予測を行う。 この問題に対処するため,対象言語における翻訳テキストのための自動生成ソフト擬似ラベルに基づくモデル学習のためのKL分割自己学習損失を提案する。
  論文  参考訳（メタデータ） (2020-09-10T22:42:15Z)

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。