跳到主要内容
检索

# 可证明安全的语言学隐写术

2 篇关联报道

订阅更新
  1. arXiv

    语言隐写不再要求收发两端逐位一致:STEALTH 让不同精度、不同 GPU 乃至不同模型族的接收方都解出全部消息

    可证明安全的语言隐写一直默认接收方能逐位复现发送方的词元概率,而浮点精度、量化、GPU 架构或逐词生成与整段打分的差别都会打破这一前提。STEALTH 改用带密钥的指数竞赛采样,让概率失配只翻转竞赛接近的那一个词元,再用无速率脊柱码和束搜索把翻转吸收掉。在 Gemma、Llama、Qwen 三个模型族上,同族接收方在每种精度、量化等级、更小模型和另一种 GPU 上都解出了发送的全部消息,跨模型族也能全部解出。

  2. arXiv

    单历史隐写不再被分词歧义拖垮:coin projection 在满词表下保住九成字符串熵

    可证明安全的语言隐写要求接收端从纯文本还原发送端的词元,但同一段文本有多种分词方式,接收端重新分词就可能解错。此前 SyncPool 用前缀池保持分布精确,却在满词表下因空格和 UTF-8 首字节这类“枢纽”词元合并子树而损失容量。coin projection 用共享随机数预先固定每个前缀是否在此结束,只把根与子节点的选择留给编码器;在英语、中文、日语的 3–4B 模型上,它把 91–93% 的字符串熵留给编码器,满词表下利用率是 SyncPool 的 2.16–6.85 倍,且零误差。

已读完全部报道