Группа исследователей добилась прорыва в области безопасной связи, разработав алгоритм, который настолько эффективно скрывает конфиденциальную информацию, что невозможно обнаружить, что что-то было скрыто.
Команда, возглавляемая Оксфордским университетом в тесном сотрудничестве с Университетом Карнеги-Меллона, предполагает, что этот метод вскоре может широко использоваться в цифровом общении между людьми, включая социальные сети и личные сообщения. В частности, возможность отправлять совершенно защищенную информацию может расширить возможности уязвимых групп , таких как диссиденты, журналисты-расследователи и сотрудники гуманитарных организаций.
Алгоритм применяется к настройке, называемой стеганографией: практика сокрытия конфиденциальной информации внутри безобидного контента. Стеганография отличается от криптографии тем, что конфиденциальная информация скрыта таким образом, что это скрывает тот факт, что что-то было скрыто. Примером может быть скрытие стихотворения Шекспира внутри изображения кошки, созданного искусственным интеллектом.
Несмотря на то, что существующие подходы к стеганографии изучались более 25 лет, они, как правило, имеют несовершенную безопасность, а это означает, что лица, использующие эти методы, рискуют быть обнаруженными. Это связано с тем, что предыдущие алгоритмы стеганографии слегка изменяли распределение безобидного контента.
Чтобы преодолеть это, исследовательская группа использовала недавние достижения в теории информации , в частности, минимальную энтропийную связь, которая позволяет объединить два распределения данных вместе, чтобы максимизировать их взаимную информацию, но сохранить индивидуальные распределения.
В результате с новым алгоритмом нет статистической разницы между распространением безобидного контента и распространением контента, который кодирует конфиденциальную информацию.
Алгоритм был протестирован с использованием нескольких типов моделей, создающих автоматически создаваемый контент, таких как GPT-2, языковая модель с открытым исходным кодом, и WAVE-RNN, преобразователь текста в речь. Помимо абсолютной безопасности, новый алгоритм продемонстрировал на 40% более высокую эффективность кодирования, чем предыдущие методы стеганографии в различных приложениях, что позволяет скрыть больше информации в заданном объеме данных. Это может сделать стеганографию привлекательным методом, даже если не требуется полной безопасности, благодаря преимуществам сжатия и хранения данных.
Исследовательская группа подала патент на алгоритм, но намерена выдать его по свободной лицензии третьим лицам для ответственного некоммерческого использования. Это включает академическое и гуманитарное использование, а также доверенные сторонние аудиты безопасности. Исследователи опубликовали эту работу в качестве препринта на arXiv , а также выложили неэффективную реализацию своего метода в открытый доступ на Github. Они также представят новый алгоритм на главной конференции по искусственному интеллекту, Международной конференции по обучающим представлениям 2023 года в мае.
Контент, созданный ИИ, все чаще используется в обычном человеческом общении, чему способствуют такие продукты, как ChatGPT, AI-стикеры Snapchat и видеофильтры TikTok. В результате стеганография может получить более широкое распространение, поскольку само наличие контента, созданного ИИ, перестанет вызывать подозрения.
Соавтор, доктор Кристиан Шредер де Витт (факультет инженерных наук, Оксфордский университет) сказал: «Наш метод можно применить к любому программному обеспечению, которое автоматически генерирует контент, например к вероятностным видеофильтрам или генераторам мемов. ценно, например, для журналистов и сотрудников гуманитарных организаций в странах, где шифрование является незаконным, однако пользователям по-прежнему необходимо проявлять осторожность, поскольку любой метод шифрования может быть уязвим для атак по сторонним каналам, таких как обнаружение стеганографического приложения на телефоне пользователя.»
Соавтор Сэмюэл Сокота (отдел машинного обучения Университета Карнеги-Меллона) сказал: «Основной вклад в работу заключается в том, чтобы показать глубокую связь между проблемой, называемой минимальной энтропийной связью, и совершенно безопасной стеганографией. Используя эту связь, мы представляем новую семейство алгоритмов стеганографии, которые имеют идеальные гарантии безопасности».
Соавтор профессор Джейкоб Форстер (факультет инженерных наук Оксфордского университета) сказал: «Эта статья является прекрасным примером исследования основ машинного обучения, которое приводит к прорывным открытиям в важнейших областях применения. Приятно видеть, что Оксфорд и наша молодая лаборатория, в частности, находится в авангарде всего этого».
Теги: связь
