표면 의미 통신을 위한 적응형 이중 경로 프레임워크

Adaptive Dual-Path Framework for Covert Semantic Communication

본 논문에서는 표면 의미 통신(SemCom)을 위한 새로운 적응형 이중 경로 프레임워크를 제안합니다. 이 프레임워크는 표면 정보를 은닉적으로 전송하는 기술과 작업 지향적인 의미 코딩을 통합합니다. 기존의 표면 통신 방법이 전력 영역에서의 신호 중첩을 통해 숨겨진 메시지를 포함시키는 것과는 달리, 우리의 프레임워크는 작업별 특징 내에 은닉 데이터를 포함시키기 위해 의미 수준에서의 고유한 인코딩을 사용합니다. 이 새로운 아키텍처는 적응형 블록 선택을 통해 두 개의 인코딩 경로(명시적 경로와 스테고 경로)를 도입합니다. 명시적 경로는 공개 작업 실행을 위한 경로이고, 스테고 경로는 대조 표현 정렬을 통해 공개 정보와 은닉 정보를 동시에 인코딩합니다. Gumbel-Softmax 기반의 적응형 경로 선택 메커니즘은 작업 요구 사항에 따라 네트워크 블록을 동적으로 활성화합니다. 우리는 정확한 의미 이해와 안정적인 은닉 전송을 동시에 보장하는 다중 목표 최적화 프레임워크를 제시합니다. 제안하는 프레임워크의 보안성을 독립적으로 훈련된 강력한 공격자에 대한 엄격한 평가를 통해 검증합니다. Cityscapes 데이터셋에 대한 실험 결과는 최첨단 수준의 은닉성을 보여줍니다. 우리의 방법은 공격자의 탐지 정확도를 거의 무작위 추측 수준인 56.12%까지 낮춥니다. 이러한 강력한 보안성은 동시에 기본 의미 작업에 대한 우수한 성능을 유지하면서 달성됩니다.

This paper proposes a novel adaptive dual-path framework for covert semantic communication (SemCom), which integrates covert information transmission with task-oriented semantic coding. Unlike conventional covert communication methods that embed hidden messages through power-domain signal superposition, our framework embeds covert data within task-specific features via semantic-level intrinsic encoding. This new architecture introduces dual encoding paths with adaptive block selection: an Explicit path for public task execution and a Stego path that jointly encodes both public and covert information through contrastive representation alignment. A Gumbel-Softmax enabled adaptive path selection mechanism dynamically activates network blocks based on task require- ments. We formulate a multi-objective optimization framework that simultaneously ensures accurate semantic understanding and reliable covert transmission. We rigorously evaluate our framework's security against a powerful, independently trained attacker. Experimental results on the Cityscapes dataset demon- strate a state-of-the-art level of covertness: our method suppresses the attacker's detection accuracy to a near-random guessing level of 56.12%. This robust security is achieved while simultaneously maintaining superior performance on the primary semantic tasks compared to the baselines.