UP4LS: User Profile Constructed by Multiple Attributes for Enhancing Linguistic Steganalysis

要約

言語ステガノ解析（LS）タスクは、言語ステガノグラフィによって生成されたステゴを効果的に検出することを目的としている。既存のLS手法は、特徴的なユーザー特性を見落とし、ソーシャルネットワークでの弱いパフォーマンスにつながる。ステゴの限定的な出現はさらに検出を複雑にする。本論文では、UP4LSを提案する。UP4LSは、LSの性能を向上させるために、ユーザープロファイルを用いた新しいフレームワークである。具体的には、投稿内容を掘り下げることで、書き込み習慣、心理状態、焦点領域などのユーザー属性を探索し、LSのためのユーザープロファイルを構築する。各属性に対して、特徴抽出モジュールを設計します。抽出された特徴は、既存の手法からディープラーニングネットワークを介して高次元のユーザー特徴にマッピングされる。次に、言語モデルを用いてコンテンツ特徴を抽出する。ユーザー特徴とコンテンツ特徴は、特徴表現を最適化するために統合される。学習段階では、ステゴの分布に優先順位をつける。実験の結果、UP4LSは既存の手法の性能を大幅に向上させることができ、全体として25%近い精度の向上が実証された。特に、ステゴサンプルが少ないほど顕著に向上する。さらに、UP4LSは関連するタスクの研究のための段階を設定し、LSタスクへの広範な応用を促す。

要約(オリジナル)

Linguistic steganalysis (LS) tasks aim to effectively detect stegos generated by linguistic steganography. Existing LS methods overlook the distinctive user characteristics, leading to weak performance in social networks. The limited occurrence of stegos further complicates detection. In this paper, we propose the UP4LS, a novel framework with the User Profile for enhancing LS performance. Specifically, by delving into post content, we explore user attributes like writing habits, psychological states, and focal areas, thereby building the user profile for LS. For each attribute, we design the identified feature extraction module. The extracted features are mapped to high-dimensional user features via deep-learning networks from existing methods. Then the language model is employed to extract content features. The user and content features are integrated to optimize feature representation. During the training phase, we prioritize the distribution of stegos. Experiments demonstrate that UP4LS can significantly enhance the performance of existing methods, and an overall accuracy improvement of nearly 25%. In particular, the improvement is especially pronounced with fewer stego samples. Additionally, UP4LS also sets the stage for studies on related tasks, encouraging extensive applications on LS tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL