כתבה
arXiv cs.AI ·
CARTS: סטגנוגרפיה אוטורגרסיבית
CARTS: Contextual Autoregressive Rank Transcoding Steganography for Full-Capacity Keyed Text Encoding
CARTS היא שיטה להצפנת טקסט באמצעות מודלים אוטורגרסיביים. המחקר מראה כי CARTS יכולה לשמש להצפנה בטוחה. נעשה שימוש במודל Llama 3 8B לבדיקת השיטה.
תקציר מקורי באנגליתarXiv:2609.10744v1 Announce Type: cross Abstract: Autoregressive language models can be used to transform a payload text into a stegotext of identical token length by preserving per-position rank information across contexts - a methodology we formalize as Contextual Autoregressive Rank Transcoding Steganography (CARTS). While the Calgacus construction of Norelli et al. demonstrated this phenomenon experimentally, no formal security analysis existed. This paper provides the first rigorous treatment of CARTS. We show its exact correctness under deterministic model assumptions, introduce a rank-coordinate representation in which keys act as bijections on rank-vector space, define relevant security notions and the computational problems naturally associated with the construction - context sear
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית