論文の概要: CARTS: Contextual Autoregressive Rank Transcoding Steganography for Full-Capacity Keyed Text Encoding

• arxiv url: http://arxiv.org/abs/2609.10744v1
• Date: Wed, 09 Sep 2026 18:41:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.112474
• Title: CARTS: Contextual Autoregressive Rank Transcoding Steganography for Full-Capacity Keyed Text Encoding
• Title（参考訳）: CARTS:フル容量キー付きテキストエンコーディングのためのコンテキスト自動回帰ランク変換ステガノグラフィ
• Abstract要約: 自己回帰言語モデルは、ペイロードのテキストを、位置ごとのランク情報を保存することで、同一のトークン長のステゴテキストに変換するために使用することができる。 本稿では,CARTS(Conserving Autoregressive Rank Transcoding Steganography)の最初の厳密な治療について述べる。 Llama 3 8Bの実験的な研究により、全ての試験ケースで元のペイロードの正確な回収が確認された。
• 参考スコア（独自算出の注目度）: 45.88028371034407
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Autoregressive language models can be used to transform a payload text into a stegotext of identical token length by preserving per-position rank information across contexts - a methodology we formalize as Contextual Autoregressive Rank Transcoding Steganography (CARTS). While the Calgacus construction of Norelli et al. demonstrated this phenomenon experimentally, no formal security analysis existed. This paper provides the first rigorous treatment of CARTS. We show its exact correctness under deterministic model assumptions, introduce a rank-coordinate representation in which keys act as bijections on rank-vector space, define relevant security notions and the computational problems naturally associated with the construction - context search, key collisions, message equivocation, and non-commutativity of the encoding maps - and study the theoretical relationships between them, including the characterization of message equivocation in terms of context search, and the tension between key collisions and message equivocation. An empirical study on Llama 3 8B confirms exact recovery of the original payload in all tested cases, finds no key collisions under random key generation, establishes that a hand-crafted collision is local rather than global, and finds no commuting key pairs - suggesting resistance to the attack vectors studied. This work opens a formally grounded research agenda for the constructive use of language models in cryptography and privacy-preserving communication.
• Abstract（参考訳）: 自動回帰言語モデルは、コンテクストをまたいだ位置ごとのランク情報を保存することで、ペイロードテキストを同一のトークン長のステゴテキストに変換するのに使うことができる。 ノレッリらによるカルガカスの建設はこの現象を実験的に実証したが、公式なセキュリティ分析は存在しなかった。 本稿ではCARTSの厳密な治療について述べる。 決定論的モデル仮定の下で、その正確な正しさを示すとともに、キーが階数ベクトル空間上の単射として振る舞うランク座標表現を導入し、関連するセキュリティ概念と、その構成に自然に関係する計算問題(文脈探索、鍵衝突、メッセージ等価性、および符号化マップの非可換性)を定義し、それらの間の理論的関係について検討する。 Llama 3 8Bに関する実証的な研究は、全てのテストケースで元のペイロードの正確な回復を確認し、ランダムな鍵生成の下では重要な衝突は見つからず、手作りの衝突はグローバルではなく局所的なものであり、交換する鍵対は見つからないことを証明し、調査された攻撃ベクトルに対する抵抗を示唆している。 この研究は、暗号およびプライバシ保護通信における言語モデルの構築的利用に関する、正式に根拠付けられた研究課題を開放する。

関連論文リスト

• Weave of Formal Thought [51.56484100374058]
  WoFT(Weave of Formal Thought)は、厳密な構文的検証と学習された構造的表現を結合したパラダイムである。 本稿では,非終端文法記号を直接生成にインターリーブするために,言語モデルを訓練する潜時可変微調整法を提案する。 Pythonでは、RWS目的のStarCoder2-3Bを微調整することで、テキストのみのSFTベースラインと比較して、トーケン毎のクロスエントロピーが14.3%削減される。
  論文  参考訳（メタデータ） (2026-06-24T15:58:11Z)
• PADBen: A Comprehensive Benchmark for Evaluating AI Text Detectors Against Paraphrase Attacks [2.540711742769252]
  そこで本研究では,AIGT識別のために設計された検出システムに対して,繰り返しパラメタしたテキストが回避される理由について検討する。 パラフレーズ攻撃シナリオに対する検出ロバスト性を系統的に評価した最初のベンチマークであるPADBenを紹介する。
  論文  参考訳（メタデータ） (2025-11-01T05:59:46Z)
• Context-Aware Search and Retrieval Over Erasure Channels [12.794591022795355]
  本稿では,シンボル消去チャネル上で動作している遠隔文書検索システムの情報理論解析について述べる。 提案モデルは、言語コーパスの項周波数重みから導かれるクエリの特徴ベクトルを符号化する。 我々は、検索誤差確率、すなわち、より類似の少ない文書が選択される確率の明示的な式を導出する。
  論文  参考訳（メタデータ） (2025-07-16T04:21:46Z)
• Unsupervised dense retrieval with conterfactual contrastive learning [16.679649921935482]
  そこで本研究では,高密度検索モデルの高感度化により,高密度検索モデルのロバスト性を向上させることを提案する。 この文脈での感度を達成するモデルは、クエリとの関連性を決定するドキュメントのキーパスが修正されたときに高いばらつきを示すべきである。 因果関係と反事実分析に動機付け, 一連の反事実正則化手法を提案する。
  論文  参考訳（メタデータ） (2024-12-30T07:01:34Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• Learning-based Hybrid Local Search for the Hard-label Textual Attack [53.92227690452377]
  我々は,攻撃者が予測ラベルにのみアクセス可能な,滅多に調査されていないが厳格な設定,すなわちハードラベル攻撃を考える。 そこで本研究では,Learning-based Hybrid Local Search (LHLS)アルゴリズムという,新たなハードラベル攻撃を提案する。 我々のLHLSは、攻撃性能と敵の品質に関する既存のハードラベル攻撃を著しく上回っている。
  論文  参考訳（メタデータ） (2022-01-20T14:16:07Z)
• How does a Pre-Trained Transformer Integrate Contextual Keywords? Application to Humanitarian Computing [0.0]
  本稿では,各ツイートに危機イベントタイプを追加して人道的分類タスクを改善する方法について述べる。 これは、提案されたニューラルネットワークアプローチが、Crisis Benchmarkの特殊性を部分的に過度に適合しているかを示している。
  論文  参考訳（メタデータ） (2021-11-07T11:24:08Z)
• MASKER: Masked Keyword Regularization for Reliable Text Classification [73.90326322794803]
  文脈に基づく予測を容易にする微調整手法であるマスク付きキーワード正規化(MASKER)を提案する。 maskerはモデルを規則化し、他の単語からキーワードを再構築し、十分な文脈なしに低信頼の予測を行う。 分類精度を低下させることなくOOD検出とクロスドメインの一般化を改善したMASKERを提案する。
  論文  参考訳（メタデータ） (2020-12-17T04:54:16Z)
• Adversarial Semantic Collisions [129.55896108684433]
  意味的衝突:意味論的に無関係だが、NLPモデルにより類似と判断されるテキストについて検討する。 我々は,意味的衝突を生成するための勾配に基づくアプローチを開発した。 パープレキシティに基づくフィルタリングを避けるために,意味的衝突を生成する方法を示す。
  論文  参考訳（メタデータ） (2020-11-09T20:42:01Z)

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。

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。