論文の概要: TI-StegoAlign: Channel-Guided Post-Training for Generative Text Steganography under Tokenization Inconsistency
- arxiv url: http://arxiv.org/abs/2608.00382v1
- Date: Sat, 01 Aug 2026 01:45:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 15:00:19.535642
- Title: TI-StegoAlign: Channel-Guided Post-Training for Generative Text Steganography under Tokenization Inconsistency
- Title（参考訳）: TI-StegoAlign:Tokenizationの不整合下における生成テキストステガノグラフィーのためのチャネルガイド後訓練
- Abstract要約: LLMエージェントはタスク関連メッセージを通じて秘密情報を交換する。
ほとんどの方法は送信側トークンのリカバリを評価するが、受信側は表面テキストのみを観察する。
脱トークン化とレシーバ側再トークン化はトークン境界を変更し、コーディング状態をデ同期させ、そのような評価をレシーバ側リカバリを過大評価する。
本稿では,チャネル誘導後学習フレームワークTI-StegoAlignを提案する。
- 参考スコア（独自算出の注目度）: 20.336143930874993
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Generative text steganography enables LLM agents to exchange secret information through task-relevant messages. Yet most methods evaluate recovery on sender-side tokens, whereas the receiver observes only surface text. Detokenization and receiver-side retokenization can alter token boundaries, desynchronize coding states, and cause such evaluation to overestimate receiver-side recovery. Existing remedies rely on inference-time filtering or verification, correcting individual outputs without adapting the generation policy to the receiver-side channel. To address these limitations, we propose TI-StegoAlign, a channel-guided post-training framework. The Bit-Consistent Supervised Objective (BCSO) enlarges local coding margins at realized sender-side embedding positions. Channel-Conditioned Preference Optimization (CCPO) then aligns complete stegotexts using receiver-realistic recovery, text quality, and anti-steganalysis feedback. TI-StegoAlign updates only LoRA parameters and requires no tokenization-specific correction during communication. Experimental results show 100% receiver bit accuracy. Compared with the strongest baselines, TI-StegoAlign achieves a 21.6% reduction in normalized perplexity deviation and a 6.3% relative improvement in anti-steganalysis performance.
- Abstract（参考訳）: 生成テキストステガノグラフィーにより、LLMエージェントはタスク関連メッセージを通じて秘密情報を交換できる。
しかし、ほとんどの手法は送信側トークンのリカバリを評価し、受信機は表面テキストのみを観察する。
脱トークン化とレシーバ側再トークン化はトークン境界を変更し、コーディング状態をデ同期させ、そのような評価をレシーバ側リカバリを過大評価する。
既存の治療法は推論時フィルタリングや検証に依存しており、受信側チャネルに生成ポリシーを適用することなく個々の出力を補正する。
これらの制約に対処するため、チャネル誘導後トレーニングフレームワークであるTI-StegoAlignを提案する。
Bit-Consistent Supervised Objective (BCSO)は、実際の送信側埋め込み位置において、局所的な符号化マージンを拡大する。
Channel-Conditioned Preference Optimization (CCPO) では、レシーバリアルリカバリ、テキスト品質、アンチステガナリシスフィードバックを用いて完全なステゴテキストを整列する。
TI-StegoAlignはLoRAパラメータのみを更新し、通信中にトークン化固有の修正を必要としない。
実験の結果,100%受信ビット精度が得られた。
最も強いベースラインと比較すると、TI-StegoAlignは正常化パープレキシティ偏差を21.6%削減し、抗ステガナリシス性能を6.3%改善した。
関連論文リスト
- PACE: Propagation-Aware Collaborative Correction for One-Shot Personalized Federated Graph Learning [4.349000444958713]
PACEを導入し、完全局所予測器に協調知識をコンパクトな補正として扱う。
各クライアントは、ランク-r更新キャリアと、伝播するメッセージモーメントの対角的なスケッチをアップロードする。
サーバはこれらを使用して、レシーバが完全なローカルモデルを保持している間に、伝搬対応のレシーバアンコール補正を構築する。
論文 参考訳（メタデータ） (2026-09-04T07:44:12Z) - Baseline-Relative Counterfactual Refinement for Bit-Aware Visual Token Communication [10.362447715626388]
Gated Counterfactual Refinement for Communication (GCR-C) は、ローカルMDL上のロールアウトスタイルの補正層である。
GCR-Cは、実現したパケットレートを増大させることなく、アクティブな低および中速度動作点における再構成品質を一貫して改善する。
また、エンコーダ側の対実評価の追加により、計算のトレードオフが明確になる。
論文 参考訳（メタデータ） (2026-08-17T07:16:37Z) - Conformal Certification of Reasoning Trace Prefixes [30.432255322700126]
CROP(Conformal Reasoning Output Prefixes)は,クリーンアノテート認証のためのバリデーション非依存の校正手順である。
CROPをオーバー・アンド・アンダー・ホールドし、有効な中間的推論を保ち、下流の補修精度を向上させることを実証する。
論文 参考訳（メタデータ） (2026-05-28T15:31:42Z) - Good Agentic Friends Do Not Just Give Verbal Advice: They Can Update Your Weights [58.27172968382275]
マルチエージェントLLMシステムは、通常自然言語メッセージを交換することで協調する。
送信者のメッセージを受信者のコンテキストに付加する代わりに、送信者の隠された状態を過渡的で受信者固有の重み摂動にコンパイルする。
論文 参考訳（メタデータ） (2026-05-13T17:58:32Z) - PRISM: Prior Rectification and Uncertainty-Aware Structure Modeling for Diffusion-Based Text Image Super-Resolution [51.96078493242164]
PRISMは単一ステップ拡散ベースのText-SRフレームワークである。
PRISMはミリ秒レベルの推論で最先端の性能を達成する。
論文 参考訳（メタデータ） (2026-05-13T05:31:06Z) - Reward-Guided Semantic Evolution for Test-time Adaptive Object Detection [82.2968697030677]
Grounding DINOのような視覚言語モデル(VLM)を用いたオープン語彙オブジェクト検出は、テスト時間分布シフト時の性能劣化に悩まされる。
Reward-Guided Semantic Evolution (RGSE) は、テスト時にテキストの埋め込みを直接洗練するトレーニング不要のフレームワークである。
論文 参考訳（メタデータ） (2026-05-06T06:17:41Z) - LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs [61.06744611795341]
医用視覚言語モデル(VLM)は医用画像の強力なゼロショット認識器である。
本研究では,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ(texttttextbfLATA,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ)を提案する。
texttttextbfLATAは交換性を損なうことなくゼロショット予測をシャープにする。
論文 参考訳（メタデータ） (2026-02-19T16:45:38Z) - Chain of Correction for Full-text Speech Recognition with Large Language Models [21.37485126269991]
Chain of Correction (CoC) は、セグメンテーションごとにエラーセグメントを補正するマルチターンチャットフォーマットである。
実験により、CoCはフルテキストASR出力の修正において、ベースラインやベンチマークシステムよりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2025-04-02T09:06:23Z) - TPS++: Attention-Enhanced Thin-Plate Spline for Scene Text Recognition [78.67283660198403]
テキストの不規則性は、シーンテキスト認識者に重大な課題をもたらす。
TPS++は、テキストの修正にアテンションメカニズムを組み込んだ、アテンション強化TPS変換である。
常に認識を改善し、最先端の精度を達成する。
論文 参考訳（メタデータ） (2023-05-09T10:16:43Z) - Iterative pseudo-forced alignment by acoustic CTC loss for
self-supervised ASR domain adaptation [80.12316877964558]
特定のドメインからの高品質なデータラベリングはコストと人的時間を要する。
本稿では,反復的擬力アライメントアルゴリズムに基づく自己教師付きドメイン適応手法を提案する。
論文 参考訳（メタデータ） (2022-10-27T07:23:08Z) - On Addressing Practical Challenges for RNN-Transduce [72.72132048437751]
オーディオデータを収集することなく、よく訓練されたRNN-Tモデルを新しいドメインに適応します。
復号時に計算された複数の特徴を利用して単語レベルの信頼度を求める。
提案手法では,平均で50ms以下の単語のタイミング差が得られる。
論文 参考訳（メタデータ） (2021-04-27T23:31:43Z)
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。