2025_NIPS-STEAD: Robust Provably Secure Linguistic Steganography with Diffusion Language Model

文章核心总结与翻译

一、主要内容

本文针对基于自回归语言模型（ARMs）的可证明安全语言隐写术（PSLS）存在的误差传播问题（遭遇主动篡改攻击时失效），提出了一种基于离散扩散语言模型（DLMs）的鲁棒可证明安全语言隐写术方法——STEAD。

1. 背景与问题：传统PSLS依赖ARMs的序列生成特性，但ARMs的条件概率依赖导致篡改单个令牌会影响后续所有令牌的消息提取；同时隐写文本分割模糊性进一步加剧提取错误，而直接将DLMs应用于可证明安全隐写术无法充分发挥其并行生成优势，仍面临位置偏移等鲁棒性挑战。
2. 核心方案：
   • 利用DLMs单步去噪过程中多令牌同步独立采样的特性，筛选满足重复纠错编码条件的鲁棒位置进行消息嵌入；
   • 设计消息驱动的伪随机数采样算法，在鲁棒性与嵌入容量间权衡，固定嵌入容量；
   • 提取阶段结合伪随机纠错和邻域搜索策略，解决令牌替换、插入、删除导致的位置偏移问题。
3. 理论与实验验证：通过理论证明STEAD满足计算安全性和Fα,β,γF_{\alpha,\beta,\gamma}