原始论文 · 方法解释 · 引用记录

# 神经语言隐写

用语言模型生成承载秘密消息的文本。

词表分组、Huffman 编码和算术编码决定秘密比特如何映射到生成文本。分布保持与分词可靠性研究分别处理隐蔽性和消息恢复问题。

[阅读 10 篇论文](https://steganography.live/reading-list/zh/papers/) · [比较编码方法 →](https://steganography.live/reading-list/zh/guides/neural-text-steganography-methods/)

## 一段文本，两种读法

秘密消息转为比特 **↓**语言模型概率与编码规则 **↓**读者看到文本，接收方恢复比特

发送方与接收方共享解码所需的信息。第三方观察者看到生成文本；能否识别隐藏消息，取决于参照分布、观察者能力和具体编码构造。
[试用原始 STEGASURAS 演示 →](https://steganography.live/)

## 从机制读到实验

把编码规则、传输容量、检测问题和消息恢复分开理解。

01 / 方法比较

### [神经语言隐写方法](https://steganography.live/reading-list/zh/guides/neural-text-steganography-methods/)

比较词表分组、Huffman、patient-Huffman、算术编码、自适应算术编码和最小熵耦合。

02 / 编码机制

### [算术编码怎样把消息藏进文本？](https://steganography.live/reading-list/zh/guides/arithmetic-coding/)

用概率区间示例追踪秘密比特如何决定词元，以及接收方如何逆向恢复。

03 / 评价与安全

### [容量、可检测性与安全性](https://steganography.live/reading-list/zh/guides/capacity-and-security/)

区分每词比特数、模型分布偏差、人工自然度、检测器表现和消息恢复率。

04 / 相关研究

### [水印与智能体通信](https://steganography.live/reading-list/zh/guides/watermarking-and-agents/)

理解水印的来源识别目标，以及智能体通过文本隐蔽通信的问题。

原始研究

## Neural Linguistic
Steganography

首次 arXiv 提交：2019 年 9 月 3 日
正式发表：EMNLP-IJCNLP，2019 年 11 月

### [Neural Linguistic Steganography](https://steganography.live/reading-list/zh/papers/neural-linguistic-steganography/)

Zachary M. Ziegler*、Yuntian Deng*、Alexander M. Rush

* Zachary M. Ziegler 与 Yuntian Deng 同等贡献。

论文将算术编码与大型预训练语言模型结合，把秘密信息编码为生成文本，并使生成分布接近语言模型分布。研究包括诱导分布分析，以及 GPT-2 上的信息容量、统计散度和上下文续写人工评价；还展示了把自然语言消息编码为内容无关的载体文本。

STEGASURAS 是用于体验编码与解码过程的配套交互演示。

[正式论文](https://aclanthology.org/D19-1115/) · [初版预印本](https://arxiv.org/abs/1909.01496v1) · [官方代码](https://github.com/harvardnlp/NeuralSteganography) · [交互演示](https://steganography.live/) · [引用](https://steganography.live/reading-list/zh/papers/neural-linguistic-steganography/#citations)

## 一条阅读路径

[分布与安全性](https://steganography.live/reading-list/zh/papers/dai-cai-2019/) → [Neural Linguistic Steganography](https://steganography.live/reading-list/zh/papers/neural-linguistic-steganography/) → [自适应算术编码](https://steganography.live/reading-list/zh/papers/saac/) → [最小熵耦合](https://steganography.live/reading-list/zh/papers/minimum-entropy-coupling/) → [分词可靠性](https://steganography.live/reading-list/zh/papers/tokenization/)

[语言模型水印](https://steganography.live/reading-list/zh/papers/llm-watermark/)利用词元选择识别文本来源；[智能体通信](https://steganography.live/reading-list/zh/papers/secret-collusion/)研究生成文本中的隐蔽信息如何支持协调。

[浏览完整列表 →](https://steganography.live/reading-list/zh/papers/) · [下载引用与阅读笔记 →](https://steganography.live/reading-list/zh/data/)