网络首发 | 基于大语言模型辅助的智能文本隐写传输方法

网络空间安全科学学报

2026年5月29日 22:04
北京

在小说阅读器读本章

去阅读

引用

戴俊浩,吴怡,卢晓珍,等.基于大语言模型辅助的智能文本隐写传输方法[J/OL].网络空间安全科学学报,2026.https://doi.org/10.20172/j.issn.2097-3136.260523.

Dai J H, Wu Y, Lu X Z, et al. Large Language Model-Assisted Intelligent Text Steganography Transmission Method[J/OL]. Journal of Cybersecurity, 2026.https://doi.org/10.20172/j.issn.2097-3136.260523.

背景

文本隐写因其能隐藏通信行为本身，在军事、隐私保护等高安全性的领域至关重要。然而，传统的生成式文本隐写方法依赖单一语料库，且生成句子长度随机，导致隐写文本的风格和长度难以适应变化的消息类型和信道条件。为此，我们提出了一种基于大语言模型辅助的智能文本隐写传输方法，通过自适应优化隐写策略和发射功率的选择，实现隐蔽性和传输鲁棒性的平衡。

本文借助大语言模型，利用多种语料库对其进行LoRA参数微调，实现生成风格可变的隐写文本。在隐写阶段，根据微调后的大语言模型输出的词元概率分布，自适应动态分组，选择合适的词元嵌入秘密信息。此外，我们还设计了一个双智能体强化学习优化方法，根据消息类型、消息长度、隐写时延、传输时延、丢包率和信道增益选择隐写策略，并结合隐写性能指标选择发射功率。

本文将文本隐写传输过程建模为马尔可夫决策过程，发送方根据当前消息类型、秘密信息长度、传输时延、隐写时延、丢包率及信道增益等信息构建状态空间，并通过两个智能体协同决策：第一个智能体输出隐写策略，第二个在此基础上选择发射功率。两个智能体均采用深度Q网络，并通过经验回放进行参数更新。该机制通过综合奖励函数引导，实现低开销、高安全的隐写传输。图1为基于大语言模型辅助的智能文本隐写传输算法的示意图。

图1 基于大语言模型辅助的智能文本隐写传输算法

本文实验基于Llama-2-7B大语言模型，分别使用电影、新闻和社交媒体三种语料库对大语言模型进行LoRA微调。在隐写阶段，发送方自适应地选择隐写策略，采用自适应动态分组嵌入秘密信息。攻击方则使用基于Bert的隐写分析模型检测隐写文本，并发动篡改攻击。所提方法通过双智能体强化学习，自适应优化隐写策略与发射功率的选择，可以有效防御篡改攻击，实验结果如图2所示，对比算法为基于自适应动态分组的生成式文本隐写方法（ADG）。与对比方法相比，所提方法在时延、能耗、检测准确率与攻击成功率均显著更优，其中时延降至27.71 ms，能耗降至0.38 mJ，分别降低了38.5%和26.3%。

(a) 时延

(b) 能耗

(d) 攻击成功率

图2 所提方法与对比方法的性能比较

总结

本文提出的基于大语言模型辅助的智能文本隐写传输方法，利用多种语料库对大语言模型进行LoRA微调，通过自适应动态分组递归地嵌入秘密信息。并引入强化学习，结合实时信道状态和攻击成功率等安全指标，自适应优化隐写策略与发射功率的选择。该方法在保证安全性的前提下，能够有效降低传输的时延和能耗，提升了通信效率。未来，我们将研究多种异构环境，设计具有广泛适应性的自适应文本隐写传输方法，进一步提高通信效率与安全性能。

论文全文下载方式

1 识别下方二维码；2 点击文末“阅读原文”。

来源：《网络空间安全科学学报》

《网络空间安全科学学报》由中国航天科技集团有限公司主管、中国航天系统科学与工程研究院主办，双月刊，国内外公开发行（CN 10-1901/TP，ISSN 2097-3136），入选中国科学引文数据库（CSCD）核心库、《信息通信领域高质量科技期刊分级目录》T2级。办刊宗旨为“搭建网络空间安全领域学术研究交流平台，传播学术思想与理论，展示科学研究、创新技术与应用成果，助力网络空间安全学科建设，为网络强国建设提供坚实支撑与服务”。