[论文解读] Semantic-Preserving Linguistic Steganography by Pivot Translation and Semantic-Aware Bins Coding

Tianyu Yang, Hanzhou Wu+3 more|arXiv (Cornell University)|Mar 8, 2022

Advanced Steganography and Watermarking Techniques被引用 4

一句话总结

本文提出了一种新颖的语言学隐写方法，通过利用语言间的枢纽翻译（pivot translation）与语义感知分箱编码（semantic-aware bins coding），在保持语义一致性的同时实现高载荷嵌入。通过将源文本翻译为枢纽语言再译回原文，该方法在不改变语义的前提下改变表达方式，相比现有的基于修改的隐写方法（modification-based LS）和基于生成的隐写方法（generation-based LS），在语义质量与抗隐写分析能力方面表现更优。

ABSTRACT

Linguistic steganography (LS) aims to embed secret information into a highly encoded text for covert communication. It can be roughly divided to two main categories, i.e., modification based LS (MLS) and generation based LS (GLS). Unlike MLS that hides secret data by slightly modifying a given text without impairing the meaning of the text, GLS uses a trained language model to directly generate a text carrying secret data. A common disadvantage for MLS methods is that the embedding payload is very low, whose return is well preserving the semantic quality of the text. In contrast, GLS allows the data hider to embed a high payload, which has to pay the high price of uncontrollable semantics. In this paper, we propose a novel LS method to modify a given text by pivoting it between two different languages and embed secret data by applying a GLS-like information encoding strategy. Our purpose is to alter the expression of the given text, enabling a high payload to be embedded while keeping the semantic information unchanged. Experimental results have shown that the proposed work not only achieves a high embedding payload, but also shows superior performance in maintaining the semantic consistency and resisting linguistic steganalysis.

研究动机与目标

• 解决语言学隐写中高嵌入载荷与语义一致性之间的权衡问题。
• 克服基于修改的隐写方法（MLS）载荷低和基于生成的隐写方法（GLS）语义不一致的问题。
• 实现在保持自然性与语义保真度的前提下，在文本中隐藏高容量数据。
• 通过提升语言学隐写分析的抗检测性，增强隐写安全性。

提出的方法

• 该方法使用Seq2Seq2Seq模型将源文本翻译为一种枢纽语言（如英语），再翻译回原始语言，通过改变表达方式保持语义不变。
• 在反向翻译过程中，利用语义感知分箱编码（SaBins）策略嵌入秘密数据，该策略根据语义相似性和概率将秘密比特映射到词的选择上。
• SaBins技术从同义词丰富、语义相近的词候选中选择，以编码比特，从而最小化语义偏差。
• 采用子词级别分词策略，减少未知词符，提升鲁棒性，同时增强质量与安全性。
• 该方法为离线操作，模型微调与SaBins编码预先完成，支持高效实时生成隐写文本。
• 通过零比特文本（未嵌入秘密数据生成的文本）作为基线，对比评估语义质量。

实验结果

研究问题

• RQ1 语言间的枢纽翻译能否在保持语义意义的同时实现高容量数据嵌入？
• RQ2 语义感知分箱编码如何提升隐写文本的质量与可检测性抵抗能力？
• RQ3 与词级别编码相比，子词级别处理是否能增强鲁棒性并降低可检测性？
• RQ4 与MLS和GLS方法相比，该方法在载荷、语义一致性与隐写分析抵抗能力方面表现如何？

主要发现

• 所提方法在保持更优语义一致性的同时，嵌入载荷显著高于基于修改的LS方法。
• 所提方法生成的隐写文本与自然零比特文本的相似度高于GLS基线，表明语义质量更优。
• 该方法对语言学隐写分析表现出更强的抵抗能力，检测准确率低于最先进的GLS方法（如Bins与RNN-Stega）。
• 子词级别实现减少了未知词符，提升了鲁棒性，在质量与可检测性方面均优于词级别方法。
• 基线GLS方法中使用常见词符虽略微提升质量，但检测率仍高于所提方法。
• 大量实验表明，所提方法在载荷、语义保真度与隐写分析抵抗能力等多个指标上，均优于MLS与GLS基线。