模糊性的隐藏美德

在自然语言文本中隐藏信息主要是对给定的覆盖文本进行大致保留意义的修改，直到其编码出预期的标记。这一过程的主要技术是同义词替换。在之前的方案中，同义词的替换持续进行，直到文本“承认”，即传达出预期的标记信息。我们在这里提出一种更好的使用同义词替换的方法，这种方法不再完全由标记插入过程指导：它也由弹性要求指导，受限于最大允许的失真约束。以往自然语言文本中的信息隐藏方案没有使用数值量化来衡量引入的失真，主要基于对语言模型符合性的启发式质量测量（而不是参考原始覆盖文本）。当有许多替代方案对一个词进行替换时，我们根据定量弹性标准对这些替代方案进行优先排序，并按此顺序使用它们。简而言之，我们更倾向于更模糊的替代方案。事实上，我们不仅试图实现最大的模糊性，同时希望尽可能接近上述失真限制，因为这可以防止对手在不超过损害阈值的情况下进行进一步变换；也就是说，即使文本已经“承认”了标记，我们仍然继续修改文档，旨在最大化模糊性，同时故意尽可能接近失真限制。我们使用的量化方法使现有的信息理论框架能够在自然语言领域进行应用，而这一领域面临独特的挑战，这些挑战在图像或音频领域并不存在。弹性来源于两个方面：（i）对手不知道变化发生在哪里，和（ii）自动消歧是任何自然语言处理系统面临的主要困难（对自然语言处理领域而言是坏消息，对我们方案的弹性而言则是好消息）。除了上述设计和分析之外，本论文的另一个贡献是对方案的实现和获得的实验数据的描述。