Levantamento mapeia como LLMs mudaram a esteganografia linguística — e as contramedidas que tentam detectá-la
Uma revisão sistemática aceita na EMNLP 2026 mapeia 148 métodos de esteganografia linguística, 60 contramedidas de steganalysis e 23 métricas de avaliação, mostrando como LLMs mudaram o campo: de edição de texto-portador para geração pura via prompt, e de acesso caixa-branca a cenários caixa-preta. O levantamento é relevante porque LLMs tornam mais barato esconder mensagens dentro de texto aparentemente normal, com implicações tanto para comunicação encoberta maliciosa quanto para as defesas que tentam detectá-la.
Este é um levantamento (survey) aceito para a EMNLP 2026 que organiza a literatura de esteganografia linguística — a prática de esconder mensagens secretas dentro de texto em linguagem natural — na era dos grandes modelos de linguagem. Os autores (Yan, Chu, Yang e Murawaki) catalogam 148 métodos esteganográficos, 60 contramedidas de steganalysis (detecção de texto esteganografado), 23 métricas de avaliação e 9 desafios em aberto, organizados em quatro eixos com taxonomias e análises de adoção.
O ponto técnico central é a identificação de cinco mudanças de paradigma trazidas pelos LLMs: (1) de modificar um texto-portador existente para gerar o texto esteganografado inteiramente a partir de um prompt; (2) de segurança heurística para segurança demonstrável formalmente; (3) de exigir acesso caixa-branca a modelos simétricos para funcionar em cenários caixa-preta ou assimétricos; (4) de projetos focados apenas em segurança para otimização conjunta de segurança e qualidade textual; e (5) de preocupações com naturalidade do texto para problemas de engenharia de implantação.
Isso importa para segurança porque LLMs tornam a geração de texto esteganografado plausível e barata em escala — basta um prompt, sem precisar editar um texto-portador previamente existente — o que reduz a barreira para uso em comunicação encoberta, incluindo cenários de exfiltração de dados ou canais de comando-e-controle escondidos dentro de texto aparentemente inócuo. Ao mesmo tempo, o levantamento também documenta o lado defensivo: como as técnicas de steganalysis estão evoluindo para acompanhar esses novos métodos gerativos, ainda que os próprios autores apontem 9 desafios em aberto que sugerem que a detecção está longe de resolvida.