論文の概要: Hiding in Plain Sight: Towards the Science of Linguistic Steganography
- arxiv url: http://arxiv.org/abs/2312.16840v1
- Date: Thu, 28 Dec 2023 06:00:55 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-29 17:18:01.768520
- Title: Hiding in Plain Sight: Towards the Science of Linguistic Steganography
- Title（参考訳）: 平凡な光景に潜む--言語ステガノグラフィの科学に向けて
- Authors: Leela Raj-Sankar and S. Raj Rajagopalan
- Abstract要約: 隠蔽通信(きゅうきょくがく、英: Covert Communication)は、秘密を隠蔽する行為で、無害な公的な物体(隠蔽コード)の中に隠蔽する行為である。
言語ステガノグラフィー(Lguistic steganography)は、会話やツイートなどの短い公開コミュニケーションなど、自然言語のテキストで秘密のメッセージを符号化する実践である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Covert communication (also known as steganography) is the practice of
concealing a secret inside an innocuous-looking public object (cover) so that
the modified public object (covert code) makes sense to everyone but only
someone who knows the code can extract the secret (message). Linguistic
steganography is the practice of encoding a secret message in natural language
text such as spoken conversation or short public communications such as
tweets.. While ad hoc methods for covert communications in specific domains
exist ( JPEG images, Chinese poetry, etc), there is no general model for
linguistic steganography specifically. We present a novel mathematical
formalism for creating linguistic steganographic codes, with three parameters:
Decodability (probability that the receiver of the coded message will decode
the cover correctly), density (frequency of code words in a cover code), and
detectability (probability that an attacker can tell the difference between an
untampered cover compared to its steganized version). Verbal or linguistic
steganography is most challenging because of its lack of artifacts to hide the
secret message in. We detail a practical construction in Python of a
steganographic code for Tweets using inserted words to encode hidden digits
while using n-gram frequency distortion as the measure of detectability of the
insertions. Using the publicly accessible Stanford Sentiment Analysis dataset
we implemented the tweet steganization scheme -- a codeword (an existing word
in the data set) inserted in random positions in random existing tweets to find
the tweet that has the least possible n-gram distortion. We argue that this
approximates KL distance in a localized manner at low cost and thus we get a
linguistic steganography scheme that is both formal and practical and permits a
tradeoff between codeword density and detectability of the covert message.
- Abstract（参考訳）: 隠されたコミュニケーション(英: covert communication)とは、無名に見える公開オブジェクト(カバー)の中に秘密を隠す行為であり、修正された公開オブジェクト(隠されたコード)が誰にでも意味があるが、コードを知っている人だけが秘密を抽出できる(メッセージ)。
言語ステガノグラフィー(Lguistic steganography)は、会話やツイートなどの短い公開コミュニケーションなど、自然言語のテキストで秘密のメッセージを符号化する実践である。
.
特定の領域における隠蔽コミュニケーションのためのアドホックな手法(JPEG画像、漢詩など)が存在するが、言語分類学の一般的なモデルは存在しない。
本稿では,3つのパラメータを持つ言語ステガノグラフィ符号を作成するための新しい数学的形式について述べる。デコダビリティ(符号化されたメッセージの受信者がカバーを正しくデコードする可能性),密度(カバーコード内のコードワードの頻度),検出可能性(アタッカーがアンスタンプドカバーとステガノライズドカバーの差を区別できる可能性)である。
言語的または言語的ステガノグラフィーは、秘密のメッセージを隠すためのアーティファクトが欠如しているため、最も難しい。
挿入された単語を用いて、挿入された数字を符号化し、挿入の検知可能性の尺度としてn-gram周波数歪みを用いて、Pythonにおけるツイートのステガノグラフィーコードの構築について詳述する。
パブリックアクセス可能なStanford Sentiment Analysisデータセットを使用して、ランダムに既存のツイートのランダムな位置に挿入されたコードワード(データセットの既存の単語)をツイートステガン化スキームを実装し、最小のn-gram歪みのツイートを見つけました。
これはKL距離を低コストで局所的に近似するので、形式的かつ実用的であり、コードワード密度と隠蔽メッセージの検出性とのトレードオフを許容する言語的ステガノグラフィー方式が得られる。
関連論文リスト
- 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) - Fantastic Semantics and Where to Find Them: Investigating Which Layers of Generative LLMs Reflect Lexical Semantics [50.982315553104975]
本稿では,Llama2という人気言語モデルに対する語彙意味論のボトムアップ進化について検討する。
実験の結果,下位層の表現は語彙的意味論を符号化しているが,上位層はより弱い意味帰納的帰納的帰納的帰納的帰納的帰納的帰納的帰属的帰属的帰属的帰属的存在であることがわかった。
これは、高層層がより良い語彙意味論を得るマスク言語モデリングのような差別的な目的を持つモデルとは対照的である。
論文 参考訳（メタデータ） (2024-03-03T13:14:47Z) - Quantum Steganography via Coherent and Fock State Encoding in an Optical
Medium [0.0]
ステガノグラフィー(英: Steganography)は、情報を秘密によって保護する暗号の代替手段である。
本研究では,光チャネルにおけるフォックとコヒーレント状態を用いたステガノグラフィー通信方式を開発した。
論文 参考訳（メタデータ） (2023-03-04T03:18:28Z) - Hiding Images in Deep Probabilistic Models [58.23127414572098]
我々は、画像の深い確率モデルに隠蔽するための異なる計算フレームワークについて述べる。
具体的には、DNNを用いて、カバー画像の確率密度をモデル化し、学習した分布の特定の場所に秘密画像を隠す。
我々は,抽出精度とモデルセキュリティの観点から,SinGANアプローチの実現可能性を示す。
論文 参考訳（メタデータ） (2022-10-05T13:33:25Z) - Deniable Steganography [30.729865153060985]
ステガノグラフィーは秘密メッセージを隠蔽媒体に隠蔽し、疑念を起こさずに公共チャンネルに送信できるステゴメディアを生成する。
その対策として、ステガナリシスは主に、秘密メッセージが所定のメディアに隠されているかどうかを検出することを目的としている。
ディープニューラルネットワーク(DNN)を用いた受信側強制攻撃に対処するレシーバ識別可能なステガノグラフィー手法を提案する。
論文 参考訳（メタデータ） (2022-05-25T09:00:30Z) - Semantic-Preserving Linguistic Steganography by Pivot Translation and
Semantic-Aware Bins Coding [45.13432859384438]
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。
論文 参考訳（メタデータ） (2022-03-08T01:35:05Z) - Skeleton Based Sign Language Recognition Using Whole-body Keypoints [71.97020373520922]
手話は聴覚障害者や言語障害者のコミュニケーションに使用される。
また,RGB-D法と組み合わせて最先端の性能を実現することで,Skeletonに基づく音声認識が普及しつつある。
近年のボディポーズ推定用citejin 2020wholeの開発に触発されて,全身キーポイントと特徴に基づく手話認識を提案する。
論文 参考訳（メタデータ） (2021-03-16T03:38:17Z) - News Image Steganography: A Novel Architecture Facilitates the Fake News
Identification [52.83247667841588]
フェイクニュースの大部分が、他の情報源からのアンスタンプ画像を引用している。
本稿では,GANに基づく画像ステガノグラフィによる不整合を明らかにするために,News Image Steganographyというアーキテクチャを提案する。
論文 参考訳（メタデータ） (2021-01-03T11:12:23Z) - Differential Privacy and Natural Language Processing to Generate
Contextually Similar Decoy Messages in Honey Encryption Scheme [0.0]
Honey Encryptionは、弱いパスワード、OPP、PIN、クレジットカード番号など、低いミニエントロピーキーを使ってメッセージを暗号化するアプローチである。
暗号文は、任意の数の不正なキーで復号されると、"honey message"と呼ばれる可塑性だが粗悪な平文を生成する。
ジブベリでランダムな単語の並べ替えは、攻撃者を騙すには十分ではない。
論文 参考訳（メタデータ） (2020-10-29T23:02:32Z) - 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)
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。