0
0
Os pesquisadores fizeram um avanço significativo na comunicação segura, desenvolvendo um algoritmo que oculta informações confidenciais de forma tão eficaz que é impossível detectar qualquer coisa oculta.
A equipe, liderada pela Universidade de Oxford em estreita colaboração com a Carnegie Mellon University, prevê que esse método possa em breve ser amplamente utilizado em comunicações humanas digitais, incluindo mídias sociais e mensagens privadas. Em particular, a capacidade de enviar informações perfeitamente seguras pode capacitar grupos vulneráveis, como dissidentes, jornalistas investigativos e trabalhadores humanitários.
Esteganografia vs criptografia
O algoritmo se aplica a uma configuração chamada esteganografia: a prática de ocultar informações confidenciais dentro de conteúdo inócuo. A esteganografia difere da criptografia porque as informações confidenciais são ocultadas de forma que obscurece o fato de que algo foi ocultado. Um exemplo pode ser esconder um poema de Shakespeare dentro de uma imagem de gato gerada por IA.
Apesar de terem sido estudadas por mais de 25 anos, as abordagens de esteganografia existentes geralmente têm segurança imperfeita, o que significa que os indivíduos que usam esses métodos correm o risco de serem detectados. Isso ocorre porque os algoritmos de esteganografia anteriores mudariam sutilmente a distribuição de conteúdo inócuo.
Para superar isso, a equipe de pesquisa usou avanços recentes na teoria da informação, especificamente o acoplamento de entropia mínima, que permite unir duas distribuições de dados de modo que sua informação mútua seja maximizada, mas as distribuições individuais sejam preservadas.
Como resultado, com o novo algoritmo, não há diferença estatística entre a distribuição de conteúdo inócuo e a distribuição de conteúdo que codifica informações confidenciais.
Novo algoritmo supera métodos de esteganografia anteriores
O algoritmo foi testado usando vários tipos de modelos que produzem conteúdo gerado automaticamente, como GPT-2, um modelo de linguagem de código aberto, e WAVE-RNN, um conversor de texto para fala. Além de ser perfeitamente seguro, o novo algoritmo mostrou uma eficiência de codificação até 40% maior do que os métodos de esteganografia anteriores em uma variedade de aplicativos, permitindo que mais informações sejam ocultadas em uma determinada quantidade de dados. Isso pode tornar a esteganografia um método atraente, mesmo que não seja necessária uma segurança perfeita, devido aos benefícios de compactação e armazenamento de dados.
A equipe de pesquisa registrou uma patente para o algoritmo, mas pretende distribuí-lo sob licença gratuita a terceiros para uso responsável não comercial. Isso inclui uso acadêmico e humanitário e auditorias de segurança de terceiros confiáveis. Os pesquisadores publicaram este trabalho como um documento de pré-impressão no arXiv, bem como abriram uma implementação ineficiente de seu método no GitHub. Eles também apresentarão o novo algoritmo na principal conferência de IA, a Conferência Internacional de 2023 sobre Representações de Aprendizagem em maio.
O conteúdo gerado por IA é cada vez mais usado em comunicações humanas comuns, alimentadas por produtos como ChatGPT , Snapchat AI-stickers e filtros de vídeo TikTok. Como resultado, a esteganografia pode se tornar mais difundida, pois a mera presença de conteúdo gerado por IA deixará de levantar suspeitas.
A técnica de criptografia pode ser vulnerável a ataques de canal lateral
O co-autor Dr. Christian Schroeder de Witt (Departamento de Ciências da Engenharia, Universidade de Oxford) disse: “Nosso método pode ser aplicado a qualquer software que gere conteúdo automaticamente, por exemplo, filtros de vídeo probabilísticos ou geradores de memes. Isso pode ser muito valioso, por exemplo, para jornalistas e trabalhadores humanitários em países onde o ato de criptografar é ilegal. No entanto, os usuários ainda precisam tomar cuidado, pois qualquer técnica de criptografia pode ser vulnerável a ataques de canal lateral, como a detecção de um aplicativo de esteganografia no telefone do usuário.”
“A principal contribuição do trabalho é mostrar uma conexão profunda entre um problema chamado acoplamento de entropia mínima e a esteganografia perfeitamente segura. Ao alavancar essa conexão, apresentamos uma nova família de algoritmos de esteganografia que possuem garantias de segurança perfeitas”, disse o coautor principal Samuel Sokota (Departamento de Aprendizado de Máquina, Carnegie Mellon University).
O autor colaborador Professor Jakob Foerster (Departamento de Ciências da Engenharia, Universidade de Oxford) disse: “Este artigo é um ótimo exemplo de pesquisa sobre os fundamentos do aprendizado de máquina que leva a descobertas revolucionárias em áreas de aplicação cruciais. É maravilhoso ver que Oxford, e nosso jovem laboratório em particular, está na vanguarda de tudo isso.”
FONTE: HELPNET SECURITY