GSDFuse：从社交媒体隐写术中的多维弱信号捕捉认知不一致
密码学与安全
2025-05-26 v1 人工智能
计算与语言
摘要
社交媒体平台的普及降低了恶意语言隐写术的门槛，带来显著安全风险。隐写分析因难以识别文本碎片化与复杂对话结构中微弱的认知不一致，以及难以实现多维弱信号的稳健聚合而受阻，尤其面对极端隐写稀疏性与高级隐写手段。这些核心检测难题因数据不平衡而进一步恶化。本文引入 GSDFuse 方法，旨在系统性地克服上述障碍。GSDFuse 采用整体性方法，融合层次化多模态特征工程以捕获多样信号，策略性数据增强以缓解稀疏性，适应性证据融合以智能聚合弱信号，以及判别性嵌入学习以增强对细微不一致的敏感性。实验在社交媒体数据集上表明，GSDFuse 在识别复杂对话环境中的高级隐写方面实现了状态的最佳（SOTA）性能。GSDFuse 的源码已公开于 https://github.com/NebulaEmmaZh/GSDFuse。
引用
@article{arxiv.2505.17085,
title = {GSDFuse: Capturing Cognitive Inconsistencies from Multi-Dimensional Weak Signals in Social Media Steganalysis},
author = {Kaibo Huang and Zipei Zhang and Yukun Wei and TianXin Zhang and Zhongliang Yang and Linna Zhou},
journal= {arXiv preprint arXiv:2505.17085},
year = {2025}
}