Steganeur：用 LLM token 概率隐藏密文的 Rust 工具

一位开发者在 Hacker News 上以「Show HN」形式发布了开源项目 Steganeur，这是一个用 Rust 编写的隐写工具，核心思路是利用大语言模型的 token 选择概率作为信息隐藏通道，把秘密信息编码进模型生成的「掩护文本」之中。接收方只需拿到这段文本与同一模型，即可还原出原始消息。

项目原理

Steganeur 并不依赖特殊格式或字符替换，而是把消息比特映射到语言模型在每个位置上可选的 token 上。生成出的句子读起来与正常输出无异，但其中已嵌入编码信息。开发者特别强调：在启用拒绝采样（rejection method）后，输出在统计意义上与模型的正常采样结果完全一致，而不仅仅是「看起来相似」。

四种编码方法与 GPU 兼容性问题

项目共实现了四种编码方法，但其中三种依赖一个关键前提——编码与解码时模型的 logprobs 必须逐位完全一致。

• 在 GPU 上，浮点规约运算通常是非确定性的，同一模型两次前向推理得到的 logprobs 会出现微小漂移，足以破坏编码比特。
• 唯一对 GPU 友好的方法是「block」法：它按 token id 而非概率值进行分桶，因此对浮点抖动不敏感，可在任意后端服务器上工作。
• 其余三种方法则需要 CPU 推理环境。

实现与依赖

• 语言：Rust，双协议 MIT / Apache-2.0 开源。
• 目标后端：llama.cpp，要求服务器在返回 top_logprobs 时附带 token id 字段。
• 部署形态：面向自托管 LLM 服务，不依赖特定云厂商。

适用场景与局限

Steganeur 主要面向安全研究、隐私通信实验以及对 LLM 推理内部状态感兴趣的开发者。由于多数方法要求 CPU 推理或确定的浮点结果，在大规模商用 GPU 集群上的实用性受限。此外，消息容量受限于模型在每个位置的候选 token 数量，传输速率有限，更适合传递短密钥、标识符等小体量信息。

截至发稿时，该帖在 Hacker News 上获得 3 个点赞、0 条评论，社区关注度较低。项目仍处于早期个人作品阶段，是否会被后续采纳或扩展，取决于隐写社区与 LLM 工程社区的反响。