后续扩展与可靠性
Near-imperceptible Neural Linguistic Steganography via Self-Adjusting Arithmetic Coding
首次 arXiv 提交： · EMNLP 2020
正式发表版本：2020年11月。
提出自适应算术编码（Self-Adjusting Arithmetic Coding，SAAC），逐步选择候选词元集合的大小，以控制相对语言模型的分布偏差。论文给出隐蔽性分析，并在多个数据集上评估容量、散度和人工判断。
与 Neural Linguistic Steganography 的关系
论文引言明确说明，SAAC 基于 Ziegler、Deng 和 Rush 在 2019 年提出的算术编码方法，将固定的截断大小改为随当前概率分布调整的截断大小。
在神经文本隐写方法指南中比较词表分组、Huffman 编码、算术编码与耦合方法。
适用范围与边界
分布保证以底层语言模型为参照。截断阈值仍影响嵌入行为、计算开销与分布偏差，不能把模型相对保证直接当作真实通信中的不可检测性。
引用这篇论文
正式发表版本
Jiaming Shen, Heng Ji, Jiawei Han. Near-imperceptible Neural Linguistic Steganography via Self-Adjusting Arithmetic Coding. Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP), 2020
正式发表版本 BibTeX · 正式发表版本 CSL-JSON
显示 BibTeX
@inproceedings{saac-publication,
title = {{Near-imperceptible Neural Linguistic Steganography via Self-Adjusting Arithmetic Coding}},
author = {Shen, Jiaming and Ji, Heng and Han, Jiawei},
year = {2020},
booktitle = {Proceedings of the 2020 Conference on Empirical Methods in Natural Language Processing (EMNLP)},
doi = {10.18653/v1/2020.emnlp-main.22},
pages = {303--313},
publisher = {Association for Computational Linguistics},
url = {https://aclanthology.org/2020.emnlp-main.22/}
}
arXiv 预印本
Jiaming Shen, Heng Ji, Jiawei Han. Near-imperceptible Neural Linguistic Steganography via Self-Adjusting Arithmetic Coding. arXiv:2010.00677。首次提交：2020年10月1日。
该引用保留首个 arXiv 版本及其原始标题。版本链接区分后续修订；请引用支持所述结论的版本。
arXiv 预印本 BibTeX · arXiv 预印本 CSL-JSON
显示 BibTeX
@misc{saac-preprint,
title = {{Near-imperceptible Neural Linguistic Steganography via Self-Adjusting Arithmetic Coding}},
author = {Shen, Jiaming and Ji, Heng and Han, Jiawei},
year = {2020},
publisher = {arXiv},
eprint = {2010.00677v1},
archivePrefix = {arXiv},
url = {https://arxiv.org/abs/2010.00677v1}
}