論文の概要: Three-State Information Hiding: Provably Secure Asymmetric Steganography

• arxiv url: http://arxiv.org/abs/2407.13499v1
• Date: Thu, 18 Jul 2024 13:32:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-19 15:20:54.686843
• Title: Three-State Information Hiding: Provably Secure Asymmetric Steganography
• Title（参考訳）: 3状態情報隠蔽:おそらく安全で非対称なステガノグラフィー
• Authors: Minhao Bai, Jinshuai Yang, Kaiyi Pang, Xu Xin, Yongfeng Huang,
• Abstract要約: 言語モデルを実行するには、強力な計算プラットフォームが必要です。 従来の安全なステガノグラフィー手法は、この低リソースのシナリオには適用できない。 低リソース方式で実用化された新しいステガノグラフィーフレームワークを設計することを目的としている。
• 参考スコア（独自算出の注目度）: 19.942580291287626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rise of language models has provided a fertile ground for the application of steganography. Due to their qualified output, steganographic texts become similar to human and have attracted most of the steganography researchers' attention. However, running a language model requires a strong computation platform. It limits the applicable scenario of steganography, since those electronic devices controlled by the decoder may not even equipped with a GPU. Traditional provably secure steganography methods cannot be applied to this low-resource scenario. Therefore, we aim at design a novel steganography framework that is practical in a low-resource scheme. We start from the rigorous probability analysis with the help of hypothesis testing techniques to construct an theoretical framework. Then we prove the security and robostness of our framework and point out its optimization goal. We test our theoretical framework in some famous LLMs and the results have proved its usability. There are still some practical problems and this gives the direction of future work. We hope that this work will expand the practical scope of steganography and create a new branch of steganography.
• Abstract（参考訳）: 言語モデルの台頭は、ステガノグラフィーの応用のための肥大した土台となった。 適格な出力のため、ステガノグラフィーのテキストは人間に似ており、多くのステガノグラフィー研究者の注意を引き付けている。 しかし、言語モデルを実行するには強力な計算プラットフォームが必要である。 ステガノグラフィーはデコーダによって制御される電子機器がGPUを搭載できない可能性があるため、適用可能なシナリオを制限する。 従来の安全なステガノグラフィー手法は、この低リソースのシナリオには適用できない。 そこで我々は,低リソース方式で実用化された新しいステガノグラフィーフレームワークを設計することを目的としている。 我々は、仮説テスト手法を用いて厳密な確率解析から始め、理論的な枠組みを構築する。 そして、フレームワークのセキュリティとロバスト性を証明し、最適化の目標を指摘します。 理論フレームワークをいくつかの有名なLCMで検証し,そのユーザビリティを実証した。 まだいくつかの実践的な問題があり、これが将来の仕事の方向性を与えます。 本研究がステガノグラフィーの実践範囲を拡大し,新たなステガノグラフィーの分野を創出することを願っている。

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)
• Advancing Visual Grounding with Scene Knowledge: Benchmark and Method [74.72663425217522]
  ビジュアルグラウンドディング(VG)は、視覚と言語の間にきめ細かいアライメントを確立することを目的としている。 既存のVGデータセットの多くは、単純な記述テキストを使って構築されている。 我々は、アンダーラインScene underline-guided underlineVisual underlineGroundingの新たなベンチマークを提案する。
  論文  参考訳（メタデータ） (2023-07-21T13:06:02Z)
• A Multi-scale Graph Signature for Persistence Diagrams based on Return Probabilities of Random Walks [1.745838188269503]
  トポロジ的特徴のロバスト性を高めるために,マルチスケールグラフシグネチャ群の利用について検討する。 このセット入力を処理するためのディープラーニングアーキテクチャを提案する。 ベンチマークグラフ分類データセットの実験により,提案したアーキテクチャは,他の永続的ホモロジーに基づく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） (2022-09-28T17:30:27Z)
• Fine-Grained Visual Entailment [51.66881737644983]
  そこで本稿では,テキストから画像への微粒な知識要素の論理的関係を予測することを目的として,このタスクの拡張を提案する。 従来の研究とは異なり、本手法は本質的に説明可能であり、異なるレベルの粒度で論理的予測を行う。 本手法は,手動でアノテートした知識要素のデータセットを用いて評価し,この課題に対して68.18%の精度を達成できることを示す。
  論文  参考訳（メタデータ） (2022-03-29T16:09:38Z)
• Bayesian Deep Learning for Graphs [6.497816402045099]
  論文は、この分野のほとんどのメソッドが構築される原則のレビューから始まり、続いてグラフ分類問題の研究が続く。 そこから、ディープアーキテクチャを漸進的に構築することで、グラフのディープラーニングに関する基本的なアイデアをベイジアンの世界に橋渡しします。 このフレームワークにより、離散的かつ連続的なエッジ特徴を持つグラフを考慮し、いくつかの分類タスクで最先端に達するのに十分な教師なしの埋め込みを生成することができる。
  論文  参考訳（メタデータ） (2022-02-24T20:18:41Z)
• Software Vulnerability Detection via Deep Learning over Disaggregated Code Graph Representation [57.92972327649165]
  この研究は、コードコーパスから安全でないパターンを自動的に学習するためのディープラーニングアプローチを探求する。 コードには解析を伴うグラフ構造が自然に認められるため,プログラムの意味的文脈と構造的規則性の両方を利用する新しいグラフニューラルネットワーク(GNN)を開発する。
  論文  参考訳（メタデータ） (2021-09-07T21:24:36Z)
• Neural Language Modeling for Contextualized Temporal Graph Generation [49.21890450444187]
  本稿では,大規模事前学習言語モデルを用いた文書のイベントレベル時間グラフの自動生成に関する最初の研究について述べる。
  論文  参考訳（メタデータ） (2020-10-20T07:08:00Z)
• 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)
• Grounded and Controllable Image Completion by Incorporating Lexical Semantics [111.47374576372813]
  Lexical Semantic Image Completion (LSIC)は、芸術、デザイン、遺産保護に潜在的な応用をもたらす可能性がある。 視覚的文脈と語彙的文脈の両方に忠実な結果を生成することを提唱する。 LSICの大きな課題の1つは、ビジュアル・セマンティック・コンテキストの構造をモデル化し整合させることである。
  論文  参考訳（メタデータ） (2020-02-29T16:54:21Z)

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。