Fugu-MT 論文翻訳(概要): Zero-shot Generative Linguistic Steganography

論文の概要: Zero-shot Generative Linguistic Steganography

arxiv url: http://arxiv.org/abs/2403.10856v1
Date: Sat, 16 Mar 2024 08:31:25 GMT
ステータス: 処理完了
システム内更新日: 2024-03-19 21:25:31.282682
Title: Zero-shot Generative Linguistic Steganography
Title（参考訳）: ゼロショット生成言語ステレオグラフィ
Authors: Ke Lin, Yiyang Luo, Zijian Zhang, Ping Luo,
Abstract要約: 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。
参考スコア（独自算出の注目度）: 31.19052670719132
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Generative linguistic steganography attempts to hide secret messages into covertext. Previous studies have generally focused on the statistical differences between the covertext and stegotext, however, ill-formed stegotext can readily be identified by humans. In this paper, we propose a novel zero-shot approach based on in-context learning for linguistic steganography to achieve better perceptual and statistical imperceptibility. We also design several new metrics and reproducible language evaluations to measure the imperceptibility of the stegotext. Our experimental results indicate that our method produces $1.926\times$ more innocent and intelligible stegotext than any other method.
Abstract（参考訳）: 生成言語ステガノグラフィーは秘密のメッセージを秘密文に隠そうとする。従来の研究は一般に表紙と帳票の統計的差異に焦点を合わせてきたが、不定形帳票は人によって容易に識別できる。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。また、ステゴテキストの認識不能度を測定するために、いくつかの新しいメトリクスと再現可能な言語評価を設計する。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。

関連論文リスト

Detecting Subtle Differences between Human and Model Languages Using Spectrum of Relative Likelihood [5.404146472517001]
本研究は、絶対値ではなく相対的確率値を用いることにより、新たな視点を提供する。本稿では,教師型と教師型という2つの分類法を用いた検出手法を提案する。また,人間の言語とモデル言語との微妙な差異を明らかにし,心理言語学研究の理論的ルーツを見出すことができる。
論文参考訳（メタデータ） (2024-06-28T12:28:52Z)
Efficiently Leveraging Linguistic Priors for Scene Text Spotting [63.22351047545888]
本稿では,大規模テキストコーパスから言語知識を活用する手法を提案する。シーンテキストデータセットとよく一致したテキスト分布を生成し、ドメイン内の微調整の必要性を取り除く。実験結果から,本手法は認識精度を向上するだけでなく,単語のより正確な局所化を可能にすることが示された。
論文参考訳（メタデータ） (2024-02-27T01:57:09Z)
Pixel Sentence Representation Learning [67.4775296225521]
本研究では,視覚表現学習プロセスとして,文レベルのテキスト意味論の学習を概念化する。タイポスや単語順シャッフルのような視覚的に接地されたテキスト摂動法を採用し、人間の認知パターンに共鳴し、摂動を連続的に認識できるようにする。我々のアプローチは、大規模に教師なしのトピックアライメントトレーニングと自然言語推論監督によってさらに強化されている。
論文参考訳（メタデータ） (2024-02-13T02:46:45Z)
Reading and Writing: Discriminative and Generative Modeling for Self-Supervised Text Recognition [101.60244147302197]
テキスト画像の識別と生成を学習するために,コントラスト学習とマスク付き画像モデリングを導入する。本手法は,不規則なシーンテキスト認識データセットにおいて,従来の自己教師付きテキスト認識手法を10.2%～20.2%向上させる。提案したテキスト認識器は,11のベンチマークで平均5.3%の精度で従来のテキスト認識手法を上回り,モデルサイズが類似している。
論文参考訳（メタデータ） (2022-07-01T03:50:26Z)
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)
Intrinsic Probing through Dimension Selection [69.52439198455438]
現代のほとんどのNLPシステムは、様々なタスクにおいて驚くほど高いパフォーマンスが得られる事前訓練された文脈表現を使用している。このような高いパフォーマンスは、ある種の言語構造がこれらの表現に根ざしない限りはあり得ず、それを探究する研究が盛んに行われている。本稿では,言語情報が表現内でどのように構造化されているかを示す内在的探索と,先行研究で広く普及している外在的探索とを区別し,抽出に成功したことを示すことによって,そのような情報の存在を主張するのみである。
論文参考訳（メタデータ） (2020-10-06T15:21:08Z)
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)
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。