رمزنگاری و پنهان‌سازی پیام‌ها در تصاویر توسط مدل‌های زبانی؛ بررسی توانایی Fable 5.1 — How does Fable 5.1 hide messages in images?
خلاصه
این مقاله بررسی می‌کند که چگونه مدل‌های زبانی پیشرفته مانند Claude Fable 5.1 می‌توانند پیام‌های متنی را درون تصاویر برداری (SVG) پنهان کنند. همچنین آزمایش می‌شود که آیا نسخه دیگری از همان مدل می‌تواند بدون داشتن سورس‌کد یا قرارداد قبلی، این پیام‌ها را رمزگشایی کند.
مدل‌های زبانی بزرگ امروزی فراتر از تولید متن رفته‌اند و توانایی تولید تصاویر هنری با استفاده از فرمت SVG را دارند. وقتی از مدل خواسته می‌شود تصویری ترسیم کند، در واقع در حال نوشتن کدهای وکتوری است و کنترلی کامل روی تک‌تک مختصات، ابعاد، رنگ‌ها و زوایا دارد. این قابلیت این پرسش جذاب را مطرح می‌کند: اگر یک LLM بخواهد پیام مخفیانه‌ای را در تصویر جای دهد، چگونه این کار را انجام می‌دهد و آیا مدل دیگری می‌تواند آن را رمزگشایی کند؟
زمینه و سناریوی آزمایش
پژوهشگران برای کشف این موضوع، مدل Claude Fable 5.1 را با بیشترین میزان تلاش استدلالی (Reasoning Effort) به کار گرفتند. به مدل ۵۰ پیام کوتاه از پیش تعیین‌شده داده شد و از آن خواسته شد کدهای SVG تصاویری را تولید کند که این پیام‌ها را در خود پنهان کرده باشند.
سپس در جلسه‌ای کاملاً مجزا، نمونه دیگری از همین مدل (بدون دسترسی به کدهای منبع یا هیچ‌گونه الگوریتم از پیش توافق‌شده) در برابر تصاویر رندرشده قرار گرفت تا مشخص شود آیا می‌تواند وجود پیام را تشخیص دهد و محتوای آن را استخراج کند یا خیر.
الگوها و خانواده‌های رمزنگاری
نتایج نشان داد که Fable 5.1 به‌صورت خودکار به الگوهای جالب و همگرایی برای رمزنگاری حروف رسید. این مدل حروف پیام را به عناصر بصری تبدیل می‌کند. از میان روش‌های مختلف، چند خانواده اصلی شناسایی شدند:
- رمزنگاری بر اساس ارتفاع (Height Encoding): این روش محبوب‌ترین تکنیک بود که در اکثریت تصاویر استفاده شد. مدل ردیفی از اشکال مشابه (مثل ساختمان‌های یک شهر در شب یا ستاره‌ها) رسم می‌کند و ارتفاع هر شکل را متناسب با جایگاه حرف مورد نظر در الفبا تعیین می‌کند.
- رنگ‌آمیزی و فیلترها (Fill-Colours): استفاده از ویژگی‌های ظاهری و طیف رنگی برای انتقال داده‌ها.
در سناریوی رایجِ منظره شب شهری، هر ساختمان یک حرف را از چپ به راست نشان می‌دهد و ماه و سایر اجزای پس‌زمینه اطلاعاتی حمل نمی‌کنند.
فرآیند رمزگشایی توسط هوش مصنوعی
بخش جذاب ماجرا نحوه رمزگشایی این تصاویر توسط نمونه دوم مدل است. مدل رمزگشایی‌کننده از ابزارهای مختلفی از جمله پایتون و کتابخانه PIL برای پردازش تصویر استفاده می‌کند. مدل با نوشتن کدهای کمکی، مختصات دقیق اشیاء (مانند ستاره‌ها یا بازتاب نور روی آب) را استخراج کرده و به دنبال الگوهای ریاضی منظم می‌گردد؛ مثلاً بررسی می‌کند که آیا ارتفاع یا مختصات عمودی عناصر روی ضرایب مشخصی قرار دارند یا خیر. پس از کشف این الگو، آن را به حروف الفبا نگاشت کرده و در نهایت یک جمله معنادار انگلیسی بازسازی می‌کند.
اهمیت موضوع برای مهندسین نرم‌افزار
این آزمایش نشان می‌دهد که توانایی‌های استدلالی و تولید کد در مدل‌های زبانی به حوزه‌های چندوجهی (Multimodal) و پنهان‌نگاری (Steganography) نیز تسری پیدا کرده است. این قابلیت فراتر از یک ترفند سرگرم‌کننده است و ابعاد عمیقی در زمینه امنیت داده، استخراج ویژگی‌های پنهان و تحلیل قابلیت‌های استدلال فضایی در سیستم‌های هوش مصنوعی دارد.
در بحث‌های انجمن هکرنیوز نیز کاربران با شوخ‌طبعی و جدی به این موضوع پرداختند؛ از جمله پیشنهاد جالب یکی از کاربران درباره تست کردن پنهان‌سازی پیام‌های سری درون تصاویر SVG از پلیکان‌هایی که دوچرخه‌سوارند!
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل