안전하게 검증된 모호성 해소 신경 언어 스테가노그래피

최근 안전하게 검증된 신경 언어 스테가노그래피 연구에서는 송신자가 스테고텍스트를 디토큰화하여 도청자의 의심을 피하는 것이 중요한 측면으로 간과되어 왔다. 하위 단어 기반 언어 모델에서 발생하는 분절 모호성 문제로 인해 모든 신경 언어 스테가노그래피 구현에서 디코딩 오류가 발생한다. 현재의 해결책은 후보 단어의 확률 분포를 변경하는 것이지만, 이는 안전하게 검증된 스테가노그래피와 호환되지 않는다. 본 논문에서는 분절 모호성 문제를 효과적으로 해결하는 새로운 안전한 모호성 해소 방법인 SyncPool을 제안한다. 송신자와 수신자가 암호학적으로 안전한 의사난수 생성기(CSPRNG)를 공유하여 모호성 풀에서 토큰을 선택하도록 하여 모호성을 해소한다. SyncPool은 후보 풀의 크기나 토큰 분포를 변경하지 않으므로 모든 안전하게 검증된 언어 스테가노그래피 방법에 적용할 수 있다.