UP4LS：基于多属性用户画像增强语言隐写分析
计算与语言
2025-08-12 v2
摘要
语言隐写分析（LS）任务旨在检测文本是否含有秘密信息。现有 LS 方法聚焦于深度学习模型设计，在理想数据上取得了优异结果。然而，它们忽略了独特的用户特征，导致在社交网络中的性能较弱。而此处少量的隐写文本进一步使检测复杂化。我们提出了 UP4LS，一种带有用户画像（User Profile）以增强现实场景中 LS 的框架。我们探索了写作习惯等三类用户属性来构建画像。针对每种属性，设计了特定的特征提取模块。所提取的特征通过该待改进方法的深度学习模型映射为高维用户特征。内容特征由语言模型提取。随后用户特征与内容特征被整合。现有方法可在不改变其深度学习模型的情况下，通过加入 UP4LS 框架来提升 LS 结果。实验表明，UP4LS 能显著增强现实场景中 LS 任务基线的性能，整体 Acc 提升 25%，F1 提升 51%，并取得 SOTA 结果。在隐写文本较少时提升尤为明显。此外，UP4LS 也为相关任务的 SOTA 方法迈向高效 LS 奠定了基础。
引用
@article{arxiv.2311.01775,
title = {UP4LS: User Profile Constructed by Multiple Attributes for Enhancing Linguistic Steganalysis},
author = {Yihao Wang and Ruiqi Song and Lingxiao Li and Yifan Tang and Ru Zhang and Jianyi Liu},
journal= {arXiv preprint arXiv:2311.01775},
year = {2025}
}
备注
15 pages, 7 figures, 14 tables