lm steganography

lm-stéganographie

Il s'agit de la base de code accompagnant la publication Towards Near-imperceptible Steganographic Text . Il met en œuvre la conception du système stéganographique linguistique décrite dans l'article, l'algorithme patient-Huffman proposé, ainsi que le code que nous avons utilisé pour l'étude empirique de l'article.

Préliminaire

Les systèmes stéganographiques que nous avons étudiés supposent un système cryptographique qui produit un texte chiffré à coder en stégotexte. Dans ce travail, nous codons le texte chiffré en stégotexte fluide en contrôlant l'échantillonnage à partir d'un modèle de langage. Nous nous concentrons sur l'imperceptibilité (secret stéganographique) alors que la sécurité cryptographique est assurée par le cryptosystème.

Usage

• example.ipynb contient un exemple complet comprenant les étapes de cryptage/déchiffrement.
• core.py contient un exemple de travail minimal illustrant l'encodage/décodage du stégosystème.
• Vous aurez peut-être besoin GPT-2 (inclus en tant que sous-module git) et du modèle de langage GPT-2-117M rendu public pour générer du stégotexte.
• Cette méthode implémente l'algorithme de codage patient-Huffman . Et sa méthode de décodage correspondante.
• Le répertoire samples/ contient 20 échantillons générés à l'aide patient-Huffman (paramètre d'imperceptibilité de 0,08 et chaînes de bits aléatoires de longueur 32) et 20 échantillons du modèle de langage de base. Il s'agit de donner une idée subjective de l'imperceptibilité offerte par l'algorithme en comparant les échantillons contrôlés aux échantillons non contrôlés (échantillonnage standard).
• Ce cahier contient les tracés et les analyses empiriques.

Réplication

Les réplications indépendantes sont plus que bienvenues ! Veuillez les porter à notre attention et nous les listerons ici. Pour le code original que nous avons utilisé au moment de la soumission de l'ACL, consultez le commit git balisé acl-2019 .

FAQ

Ceci est conçu comme un prototype de recherche. Veuillez faire preuve de prudence lorsque vous l’utilisez comme outil de protection de la vie privée.

• Qu'est-ce que la stéganographie ?
  • La stéganographie consiste à cacher le fait que l'on cache quelque chose. Il vise à éviter d'éveiller les soupçons d'une personne indiscrète (ou d'un moniteur de canal) qu'une communication secrète est en cours.
• Qu’entend-on par imperceptibilité ?
  • Idéalement, nous souhaitons que la communication stéganographique soit imperceptible, c'est-à-dire cachée à la vue de tous. Nous formalisons notamment cette notion en nous demandant combien d'échantillons il faut à l'adversaire pour découvrir la présence d'une communication stéganographique. C'est précisément ce que mesure la distance de variation totale (et la divergence de Kullback – Leibler) entre le modèle de langage effectif et le modèle de langage de base.
• Existe-t-il une vulnérabilité connue ?
  • Dans le contexte du journal, nous supposons que l'adversaire est passif, c'est-à-dire qu'il se contente d'observer les messages. On peut imaginer un adversaire plus fort, capable également de se mêler lui-même des messages. Le but d'un tel adversaire peut être de perturber la communication stéganographique sans nécessairement découvrir son existence ni perturber la communication non secrète. Par exemple, en injectant des fautes de frappe courantes. Ce paramètre est parfois appelé stéganographie robuste et les types de stégosystèmes que nous avons considérés sont fragiles face à de telles attaques.

Référence

Veuillez citer notre travail si vous trouvez ce référentiel ou l'article associé utile.

 Dai, Falcon Z and Cai, Zheng. Towards Near-imperceptible Steganographic Text. Proceedings of ACL. 2019.

 @inproceedings { dai-cai-2019-towards ,
    title = " Towards Near-imperceptible Steganographic Text " ,
    author = " Dai, Falcon Z and Cai, Zheng " ,
    booktitle = " Proceedings of Association for Computational Linguistics " ,
    month = july,
    year = " 2019 " ,
    publisher = " Association for Computational Linguistics "
  }