論文の概要: Efficient Provably Secure Linguistic Steganography via Range Coding

• arxiv url: http://arxiv.org/abs/2604.08052v1
• Date: Thu, 09 Apr 2026 10:00:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.855391
• Title: Efficient Provably Secure Linguistic Steganography via Range Coding
• Title（参考訳）: レンジ符号化による言語ステレオグラフィーの高効率化
• Authors: Ruiyi Yan, Yugo Murawaki,
• Abstract要約: 言語ステガノグラフィーは、秘密のメッセージを一見無害なテキストに埋め込んで隠蔽通信を可能にする。 それまでの証明可能な安全なアプローチは、ゼロクルバック・リーバーの発散によって測定された完全な不可避性を達成している。 本稿では,ローテーション機構を備えた効率的かつ確実な言語ステガノグラフィー手法を提案する。
• 参考スコア（独自算出の注目度）: 6.241000167864423
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Linguistic steganography involves embedding secret messages within seemingly innocuous texts to enable covert communication. Provable security, which is a long-standing goal and key motivation, has been extended to language-model-based steganography. Previous provably secure approaches have achieved perfect imperceptibility, measured by zero Kullback-Leibler (KL) divergence, but at the expense of embedding capacity. In this paper, we attempt to directly use a classic entropy coding method (range coding) to achieve secure steganography, and then propose an efficient and provably secure linguistic steganographic method with a rotation mechanism. Experiments across various language models show that our method achieves around 100% entropy utilization (embedding efficiency) for embedding capacity, outperforming the existing baseline methods. Moreover, it achieves high embedding speeds (up to 1554.66 bits/s on GPT-2). The code is available at github.com/ryehr/RRC_steganography.
• Abstract（参考訳）: 言語ステガノグラフィーは、秘密のメッセージを一見無害なテキストに埋め込んで隠蔽通信を可能にする。 長期的な目標であり重要なモチベーションであるProvable Securityは、言語モデルベースのステガノグラフィにまで拡張されている。 従来は、KL(Kullback-Leibler)の偏差がゼロであったが、埋め込み能力の犠牲となった。 本稿では,従来のエントロピー符号化手法(レンジ符号化)を直接使用して,セキュアなステガノグラフィを実現するとともに,ローテーション機構を備えた効率的かつ確実な言語ステガノグラフィ手法を提案する。 各種言語モデルを用いた実験により,本手法は埋込容量のエントロピー利用(埋込効率)を約100%達成し,既存のベースライン法より優れていることが示された。 さらに、高い埋め込み速度(GPT-2で最大1554.66ビット/秒)を達成する。 コードはgithub.com/ryehr/RRC_steganographyで入手できる。

関連論文リスト

• STEAD: Robust Provably Secure Linguistic Steganography with Diffusion Language Model [71.35577462669856]
  拡散言語モデル(DLM)を用いた頑健で確実な言語ステガノグラフィーを提案する。 ステガノグラフ抽出中に擬似ランダム誤り訂正や近傍探索補正を含む誤り訂正戦略を導入する。
  論文  参考訳（メタデータ） (2026-01-21T08:58:12Z)
• Shifting-Merging: Secure, High-Capacity and Efficient Steganography via Large Language Models [25.52890764952079]
  ステガノグラフィーは、無実のテキストの中にメッセージを安全に隠す方法を提供する。 大規模言語モデル(LLM)は高品質で明示的な分布を提供する。 ShiMer は LLM 分布の確率区間を擬似ランダムにシフトしてプライベート分布を得る。
  論文  参考訳（メタデータ） (2025-01-01T09:51:15Z)
• 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)
• 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)
• Lexically Aware Semi-Supervised Learning for OCR Post-Correction [90.54336622024299]
  世界中の多くの言語における既存の言語データの多くは、非デジタル化された書籍や文書に閉じ込められている。 従来の研究は、あまり良くない言語を認識するためのニューラル・ポスト・コレクション法の有用性を実証してきた。 そこで本研究では,生画像を利用した半教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2021-11-04T04:39:02Z)
• 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)
• 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。