nethical6/conversation-steganography

Conversation Stenography – AI 驅動的隱寫聊天

是什麼 – 以 Go 編寫的命令列工具，允許兩人透過任何一般訊息應用（WhatsApp、Telegram、Signal、iMessage、電子郵件、Instagram 私訊等）交換秘密訊息。秘密文字首先以 AES-SIV 加密，接著由本地執行的 LLM（例如 Llama 3.2 或 GPT-2）產生一段看起來像正常對話的覆蓋文字。接收者執行相同程式，從 LLM 的 token 選擇中提取隱藏的位元組並解密，恢復原始秘密訊息。

為何重要 – 載體文字與一般聊天無法區分，因此被動監控掃描加密載荷時難以標記此對話。所有加密工作與模型推論皆在使用者裝置上完成；無資料傳送至雲端。

主要功能（如 README 所述）

功能	詳細
端對端加密	AES-SIV（認證加密）保護機密性與完整性。
訊息鏈結	每則訊息驗證前序訊息，偵測篡改、刪除或重排。
本地 AI 模型	在裝置上產生覆蓋文字（Apple Silicon 上使用 MLX，其他平台使用 PyTorch + Transformers）。
跨平台載體	產生的覆蓋文字可複製至任何聊天應用；工具不直接整合至應用。
模擬模式	`./conversation-stenography simulate` 可讓兩個虛擬參與者在單一機器上測試聊天。
可設定模型	支援 Llama 3.2（1B、3B）、Llama 3.1 8B、GPT-2（base 與 medium）。
CLI 命令	`/paste`、`/send`、`/show`、`/status`、`/help`、`/quit` 以及用於設定、列出對話和腳本化鏈式發送/接收的頂層命令。
環境變數覆蓋	密語、模型路徑、執行時等可透過環境變數提供，用於自動化。

工作原理（README 中的高階流程）

秘密 → AES-SIV 加密 – 明文使用從共享密語導出的金鑰加密（PBKDF2-HMAC-SHA-256，600k 輪）。
加密位元組 → LLM token 選擇 – 加密位元組流輸入本地 LLM，LLM 選擇其二進位表示編碼這些位元組的 token。產生的 token 序列被渲染為自然語言英文（覆蓋文字）。
覆蓋文字 → 訊息應用 – 使用者複製覆蓋文字並貼到任何一般聊天中。
覆蓋文字 → LLM 解碼 – 接收者在收到的覆蓋文字上執行相同模型，提取隱藏的 token 編碼位元組，並使用共享金鑰解密，恢復原始秘密訊息。
訊息鏈結 – 每一步還對對話 ID、發送者名稱、訊息索引及所有先前訊息的雜湊進行簽章，因此任何亂序或修改的訊息都會被偵測到。

開始使用（來自 README 的快速入門步驟）

克隆並建置

git clone https://github.com/nethical6/conversation-stenography.git
cd conversation-stenography
go build -o conversation-stenography ./cmd/conversation-stenography

執行設定精靈（./conversation-stenography）– 選擇模型，讓精靈下載模型並建立本地設定檔。
本地測試（可選）使用 ./conversation-stenography simulate。
開始真實聊天 – 執行 ./conversation-stenography，輸入對話名稱、使用者名稱與共享密語。
發送 – 輸入秘密訊息；工具輸出生成的覆蓋文字以供複製。
接收 – 使用 /paste <sender> 貼上收到的覆蓋文字；工具解碼並顯示隱藏訊息。

常見使用情境

兩人當面會面，協定一個密語與對話名稱。
雙方安裝工具，執行設定精靈，並選擇相同的 LLM。
他們透過任何現有訊息平台交換覆蓋文字，從不向平台暴露真實載荷。

限制與警告（作者說明）

概念驗證 – 基於 LLM 的隱寫偵測技術已存在；此工具未經高階對手驗證。
必須精確複製 – 任何自動修正、智慧引號或格式變更都會導致解碼失敗。
模型一致性 – 雙方必須執行完全相同的模型版本與設定；否則解碼失敗。
本地資源需求 – 執行 3B 參數 LLM 需要較新的 Apple Silicon Mac（MLX）或具備強大 GPU 的設備（用於 Torch 後端）。
法律/倫理免責 – 倉庫強調僅供教育用途；濫用被禁止。

授權

倉庫包含 LICENSE 檔案（README 中未列出具體 SPDX 標識符），因此專案根據該檔案定義的條款為開源。

總結

Conversation Stenography 是一個真實的開源實作，結合現代 LLM 推論與經典 AES-SIV 加密，將訊息隱藏在一般聊天文字中。它面向研究人員與注重隱私的使用者，提供一個自包含、本地執行的隱寫通道，但仍是存在已知實用與安全限制的概念驗證。