超越时空的隐写术：多模态AI链

隐写术是一种书面信纹的艺术与科学，涉及网络安全领域的广泛应用领域。随着人工智能的不断发展，其合成逼真内容的能力成为潜在威胁，恐怖分子可借此操控和扭曲事实。此类合成内容对覆盖隐写术所做的细微更改构成非平凡风险。当时空域的信号因不可预见的覆盖而受到威胁时，便需要反思还有什么不变因素。本研究提出一种面向音视频媒介的隐写术范式，其中将信息隐藏于时空领域之外。我们开发了一系列多模态人工智能，将音视频内容解构为覆盖文本，在语言域中嵌入信息，然后通过同步听觉和视觉模态与结果文本一起重建音视频内容。信息通过偏向语言生成模型的词采样过程来编码，通过分析词选择概率分布来解码。评估了在零位和多位容量设置下的信息传输准确率。通过生物识别和语义相似性评估保真度，捕捉录制面部和声音的身份特征，以及媒介传达核心思想的含义。通过统计比较覆盖文本和隐写文本来考察其保密性。通过各种场景测试鲁棒性，包括音视频重采样、换脸、语音克隆及其组合。