隐藏于众目睽睽之下：迈向语言隐写术的科学

隐蔽通信（也称为隐写术）是将秘密隐藏在一个看起来无害的公开对象（载体）中的做法，使得修改后的公开对象（密文）对所有人都有意义，但只有知道代码的人才能提取秘密（消息）。语言隐写术是将秘密消息编码为自然语言文本（如口头对话或简短的公开通信，如推文）中的做法。虽然存在特定领域内用于隐蔽通信的临时方法（JPEG 图像、中国诗歌等），但目前尚没有专门针对语言隐写术的通用模型。我们提出了一种新颖的数学形式化方法来创建语言隐写代码，具有三个参数：可解码性（编码消息的接收者正确解码载体的概率）、密度（密文中代码词的频率）和可检测性（攻击者能区分未篡改载体与其隐写版本的概率）。言语或语言隐写术最具挑战性，因为它缺乏用于隐藏秘密消息的伪影。我们详细介绍了在 Python 中为推文构建隐写代码的实用方法，使用插入的单词来编码隐藏的数字，同时使用 n-gram 频率失真作为插入可检测性的度量。使用公开可访问的 Stanford Sentiment Analysis 数据集，我们实现了推文隐写方案——将一个代码词（数据集中的现有单词）插入到随机现有推文的随机位置中，以找到具有最小可能 n-gram 失真的推文。我们论证了这以低成本在局部近似了 KL 距离，从而我们得到了一种既形式化又实用的语言隐写方案，并允许在密文密度和隐蔽消息的可检测性之间进行权衡。