In recent years, linguistic steganography based on text auto-generation technology has been greatly developed, which is considered to be a very promising but also a very challenging research topic. Previous works mainly focus on optimizing the language model and conditional probability coding methods, aiming at generating steganographic sentences with better quality. In this paper, we first report some of our latest experimental findings, which seem to indicate that the quality of the generated steganographic text cannot fully guarantee its steganographic security, and even has a prominent perceptual-imperceptibility and statistical-imperceptibility conflict effect (Psic Effect). To further improve the imperceptibility and security of generated steganographic texts, in this paper, we propose a new linguistic steganography based on Variational Auto-Encoder (VAE), which can be called VAE-Stega. We use the encoder in VAE-Stega to learn the overall statistical distribution characteristics of a large number of normal texts, and then use the decoder in VAE-Stega to generate steganographic sentences which conform to both of the statistical language model as well as the overall statistical distribution of normal sentences, so as to guarantee both the perceptual-imperceptibility and statistical-imperceptibility of the generated steganographic texts at the same time. We design several experiments to test the proposed method. Experimental results show that the proposed model can greatly improve the imperceptibility of the generated steganographic sentences and thus achieves the state of the art performance.

中文翻译：

---

VAE-Stega：基于变分自动编码器的语言隐写术

近年来，基于文本自动生成技术的语言隐写术得到了极大的发展，这被认为是一个非常有前途但又非常具有挑战性的研究课题。先前的工作主要集中在优化语言模型和条件概率编码方法上，旨在生成质量更高的隐写句子。在本文中，我们首先报告了一些最新的实验发现，这似乎表明所生成的隐写文本的质量不能完全保证其隐写安全性，甚至具有显着的知觉-隐喻和统计-隐喻冲突效应（Psic效应）。 ）。为了进一步提高生成的隐写文字的隐蔽性和安全性，在本文中，我们提出了一种基于变体自动编码器（VAE）的新语言隐写术，可以称为VAE-Stega。我们使用VAE-Stega中的编码器来学习大量普通文本的总体统计分布特征，然后使用VAE-Stega中的解码器来生成符合统计语言模型和整体语言的隐写语句统计正常句子的分布，以确保同时生成所生成的隐写文本的知觉性和统计知觉性。我们设计了几个实验来测试所提出的方法。实验结果表明，所提出的模型可以极大地提高所产生的隐写语句的隐蔽性，从而达到最新的性能。可以称为VAE-Stega。我们使用VAE-Stega中的编码器来学习大量普通文本的总体统计分布特征，然后使用VAE-Stega中的解码器来生成符合统计语言模型和整体语言的隐写语句统计正常句子的分布，以确保同时生成所生成的隐写文本的知觉性和统计知觉性。我们设计了几个实验来测试所提出的方法。实验结果表明，所提出的模型可以极大地提高所产生的隐写语句的隐蔽性，从而达到最新的性能。可以称为VAE-Stega。我们使用VAE-Stega中的编码器来学习大量普通文本的总体统计分布特征，然后使用VAE-Stega中的解码器来生成符合统计语言模型和整体语言的隐写语句统计正常句子的分布，以确保同时生成所生成的隐写文本的知觉性和统计知觉性。我们设计了几个实验来测试所提出的方法。实验结果表明，所提出的模型可以极大地提高所产生的隐写语句的隐蔽性，从而达到最新的性能。我们使用VAE-Stega中的编码器来学习大量普通文本的总体统计分布特征，然后使用VAE-Stega中的解码器来生成符合统计语言模型和整体语言的隐写语句统计正常句子的分布，以确保同时生成所生成的隐写文本的知觉性和统计知觉性。我们设计了几个实验来测试所提出的方法。实验结果表明，所提出的模型可以极大地提高所产生的隐写语句的隐蔽性，从而达到最新的性能。我们使用VAE-Stega中的编码器来学习大量普通文本的总体统计分布特征，然后使用VAE-Stega中的解码器来生成符合统计语言模型和整体语言的隐写语句统计正常句子的分布，以确保同时生成所生成的隐写文本的知觉性和统计知觉性。我们设计了几个实验来测试所提出的方法。实验结果表明，所提出的模型可以极大地提高所产生的隐写语句的隐蔽性，从而达到最新的性能。然后使用VAE-Stega中的解码器生成符合统计语言模型以及正常句子的整体统计分布的隐写句子，以确保生成的隐写的感知不可感知性和统计不可感知性同时发短信。我们设计了几个实验来测试所提出的方法。实验结果表明，所提出的模型可以极大地提高所产生的隐写语句的隐蔽性，从而达到最新的性能。然后使用VAE-Stega中的解码器生成符合统计语言模型以及正常句子的整体统计分布的隐写句子，以确保生成的隐写的感知不可感知性和统计不可感知性同时发短信。我们设计了几个实验来测试所提出的方法。实验结果表明，所提出的模型可以极大地提高所产生的隐写语句的隐蔽性，从而达到最新的性能。我们设计了几个实验来测试所提出的方法。实验结果表明，所提出的模型可以极大地提高所产生的隐写语句的隐蔽性，从而达到最新的性能。我们设计了几个实验来测试所提出的方法。实验结果表明，所提出的模型可以极大地提高所产生的隐写语句的隐蔽性，从而达到最新的性能。