論文の概要: Synchronized Logit Steering: Real-world Steganography
- arxiv url: http://arxiv.org/abs/2608.14697v1
- Date: Sun, 09 Aug 2026 22:49:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.035415
- Title: Synchronized Logit Steering: Real-world Steganography
- Title（参考訳）: 同期ロジットステアリング:実世界のステガノグラフィー
- Authors: Andrew Rufail, Aadi Dash, Onir Narahari, Ethan Mui, Mahi Gajare, Prakhar Tiwari, Shrija Makapothula, Nick Cui,
- Abstract要約: 同期ログステアリング(SLS)について紹介する。
SLSは、プロキシプロンプト分布の高エントロピー領域内のトークンランクとしてペイロード値を符号化する。
本手法を周期的に拡張し,ペイロードバーストを拡大して情報密度を拡大する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Steganography in large language models offers a way to embed hidden messages within natural-sounding text. Existing token and logit-level methods typically require the sender and receiver to share an identical prompt context, which is rarely guaranteed in production pipelines that use retrieval-augmented generation or proprietary system instructions. We introduce Synchronized Logit Steering (SLS), a deterministic steganographic scheme that eliminates this dependency by deriving a proxy prompt from the generated output itself, allowing both parties to reconstruct the same logit distribution without access to the original prompt. SLS encodes payload values as token ranks within high-entropy regions of the proxy prompt distribution, and we extend the scheme with periodic recurrence and payload bursts to scale information density. Across ShareGPT, GSM8K, and SWE-bench Verified, we show that the KL divergence between the true and proxy prompt distributions falls below 0.5 nats once the synchronization window reaches 40 tokens, and SLS encoding does not meaningfully disrupt this convergence relative to greedy generation. We also find that the periodic-burst variant achieves 0.20 bits per token, or roughly 10x the capacity of single-payload encoding. Kolmogorov-Smirnov tests further confirm that SLS outputs are statistically difficult to distinguish from greedy generations, demonstrating that covert, prompt-agnostic communication through LLMs is both practical and stealthy.
- Abstract（参考訳）: 大きな言語モデルにおけるステガノグラフィーは、自然に聞こえるテキストに隠されたメッセージを埋め込む方法を提供する。
既存のトークンとロジットレベルのメソッドは、通常、送信側と受信側が同じプロンプトコンテキストを共有する必要がある。
SLS(Synchronized Logit Steering)は、プロキシプロンプトを生成した出力自体から導出することで、この依存関係を排除し、双方が元のプロンプトにアクセスせずに同じロジット分布を再構築できるようにする。
SLSは、プロキシプロンプト分布の高エントロピー領域内のトークンランクとしてペイロード値を符号化し、周期的繰り返しとペイロードバーストを拡張して情報密度を拡大する。
ShareGPT, GSM8K, SWE-bench Verified, we showed that the KL divergence between the true and proxy prompt distributions falls below 0.5 nats if the sync window reach 40 tokens and SLS encoding not significantly disrupt this convergence relative to greedy generation。
また、周期バースト変種はトークン当たり0.20ビット、またはシングルペイロード符号化の約10倍の容量を達成した。
コルモゴロフ=スミルノフ試験は、LSS出力が強欲世代と統計的に区別することが困難であることをさらに確認し、LLMによる包括的で迅速な通信が実用的かつステルス的であることを証明した。
関連論文リスト
- AURORA-LM: Autoencoding Unified Representation for Continuous-Latent Diffusion Language Modeling [60.04959047453115]
AURORA-LMは、デオード可能なテキスト表現の構築と、その分布のモデル化を分離した連続ラテント言語モデルである。
AURORA-LM は OpenWebText のフリージェネレーションと XSum の要約で評価された連続および拡散に基づく言語モデルの中で最も高い性能を達成している。
論文 参考訳（メタデータ） (2026-08-03T17:59:50Z) - Efficient and Trainable Language Model Test-Time Scaling via Local Branch Routing [65.59464371673623]
Local Branch Routing (LBR)はトークンレベルのテストタイムスケーリングフレームワークである。
小さなローカルなルックアヘッドツリーを拡張し、言語モデルを通じてすべてのサンプルブランチを転送し、軽量ルータを使用してコミットするdeep-1サブツリーを選択する。
LBRにより、各トークン決定は、完全なソリューションレベルの検索を避けながら、ルート次トーケン分布を超えるエビデンスを使用することができる。
論文 参考訳（メタデータ） (2026-06-24T03:42:44Z) - VCT: A Verifiable Transcript System for LLM Conversations [5.3181399750078535]
Verifiable Conversation Transcriptは、非線形LLMセマンティック操作を、アカウントレベルの認証状態遷移に組み込む。
セキュリティ分析は、標準的な暗号的仮定の下では、VCTがアカウントレベルの会話記録の完全性、一貫性、検証可能な共有性、非監査を保証することを証明している。
論文 参考訳（メタデータ） (2026-06-22T08:17:39Z) - Steganography Without Modification: Hidden Communication via LLM Seeds [4.729777380019769]
広範にデプロイされたLarge Language Model (LLM) 推論スタックは,モデル重み付けやサンプリングコード,出力分布の変更を必要としない,ステガノグラフィーチャネルを備えていることを実証する。
送信者は、生成前にPRNGシードにシークレットメッセージをエンコードし、受信機は間隔を再構築してシードを回収する。
既知のプロンプト設定では、完全な232候補空間からの完全な32ビットのシードリカバリは、モデルとテキスト領域によって最大100%の精度を達成する。
論文 参考訳（メタデータ） (2026-06-08T07:32:44Z) - NLLog: Lightweight, Explainable SOC Anomaly Detection via Log-to-Language Rewriting [3.6732711233211663]
NLLogは、解析済みのテンプレートをWHO-WHAT-SEVERITY文に決定的に書き換える軽量パイプラインである。
用語-周波数-逆文書-周波数重み付け、ツリーアンサンブルによるセッションの分類、およびバックプロジェクトエビデンスでそれらをプールする。
セキュリティ・オペレーション・センターのトリアージに適したコモディティ・ハードウェアのレイテンシで、偽陽性率を低く保っている。
論文 参考訳（メタデータ） (2026-06-03T14:45:29Z) - ReTokSync: Self-Synchronizing Tokenization Disambiguation for Generative Linguistic Steganography [28.687186883782033]
生成言語ステガノグラフィーは、秘密メッセージを自然言語生成プロセスに埋め込むことで、秘密のコミュニケーションを可能にする。
同じ表面テキストは受信側で異なるトークンシーケンスに再トークン化され、共有復号状態が破られる。
生成中のレシーバビューのトークン化を監視し,あいまいさの発生時にのみ修正リセットをトリガーするフレームワークであるReTokSyncを提案する。
論文 参考訳（メタデータ） (2026-04-28T10:42:43Z) - WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。
WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。
NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
論文 参考訳（メタデータ） (2026-04-20T01:29:56Z) - CRoCoDiL: Continuous and Robust Conditioned Diffusion for Language [21.764828393078886]
Masked Diffusion Models (MDMs) は自己回帰生成の効率的な非因果的代替手段を提供する。
拡散過程を連続的な文レベルの意味空間にシフトすることで、これらの制限に対処する。
論文 参考訳（メタデータ） (2026-03-02T12:50:55Z) - Beyond Next Token Probabilities: Learnable, Fast Detection of Hallucinations and Data Contamination on LLM Output Distributions [60.43398881149664]
LLM出力シグナチャの効率的な符号化を訓練した軽量アテンションベースアーキテクチャであるLOS-Netを紹介する。
非常に低い検出レイテンシを維持しながら、さまざまなベンチマークやLLMで優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-03-18T09:04:37Z) - Nearest Neighbor Speculative Decoding for LLM Generation and Attribution [87.3259169631789]
Nearest Speculative Decoding (NEST)は、任意の長さの実世界のテキストスパンをLM世代に組み込むことができ、それらのソースへの属性を提供する。
NESTは、様々な知識集約タスクにおいて、基本LMの生成品質と帰属率を大幅に向上させる。
さらに、NESTは、Llama-2-Chat 70Bに適用した場合の推論時間において1.8倍のスピードアップを達成することにより、生成速度を大幅に改善する。
論文 参考訳（メタデータ） (2024-05-29T17:55:03Z)
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。