Leveraging Generative Models for Covert Messaging: Challenges and Tradeoffs for ‘Dead-Drop’ Deployments

要約

人間が作成したコンテンツの最先端の生成モデルは、ステガノグラフィー通信への使用を検討する多くの最近の論文の焦点となっています。
特に、自然言語テキストの生成モデル。
大まかに言えば、これらの作業は、メッセージを運ぶビットをモデルからのサンプルのシーケンスに (逆に) エンコードし、最終的にはもっともらしい自然言語のカバーテキストを生成します。
この狭いステガノグラフィー部分に焦点を当てることで、これまでの研究は、実際にメッセージング パイプラインを構築しようとしたときに生じる重大なアルゴリズム上の課題や、パフォーマンスとセキュリティのトレードオフをほとんど無視してきました。
私たちは、このようなパイプラインの自然な応用、つまり、大規模な公共インターネット プラットフォーム (ソーシャル メディア サイトなど) を介した「デッドドロップ」秘密メッセージングを考慮することで、これらの課題を具体化します。
課題を説明し、それを克服するためのアプローチを説明し、その過程で慎重に調整する必要がある重要なパフォーマンスとセキュリティのトレードオフを明らかにします。
私たちは、このモデルベースのフォーマット変換暗号化パイプラインを中心としたシステムを実装し、そのパフォーマンスと（ヒューリスティックな）セキュリティの実証分析を行います。

要約(オリジナル)

State of the art generative models of human-produced content are the focus of many recent papers that explore their use for steganographic communication. In particular, generative models of natural language text. Loosely, these works (invertibly) encode message-carrying bits into a sequence of samples from the model, ultimately yielding a plausible natural language covertext. By focusing on this narrow steganographic piece, prior work has largely ignored the significant algorithmic challenges, and performance-security tradeoffs, that arise when one actually tries to build a messaging pipeline around it. We make these challenges concrete, by considering the natural application of such a pipeline: namely, ‘dead-drop’ covert messaging over large, public internet platforms (e.g. social media sites). We explicate the challenges and describe approaches to overcome them, surfacing in the process important performance and security tradeoffs that must be carefully tuned. We implement a system around this model-based format-transforming encryption pipeline, and give an empirical analysis of its performance and (heuristic) security.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google