Fable 5.1 che giấu thông điệp trong hình ảnh như thế nào?

Các mô hình ngôn ngữ lớn (LLM) tiên tiến giờ đây có thể tạo hình ảnh nghệ thuật bằng SVG. Câu hỏi đặt ra: nếu những mô hình này phải giấu một thông điệp trong ảnh, chúng sẽ làm như thế nào? Và liệu một phiên bản khác của cùng mô hình có thể giải mã thông điệp đó mà không cần biết trước lược đồ mã hóa hay không?

Minh họa mã hóa thông điệp bằng chiều cao các ngôi sao

Một nghiên cứu trên LessWrong đã thử nghiệm điều này với Claude Fable 5.1 ở mức suy luận tối đa, đồng thời so sánh nhanh với GPT-6 Astra trên cùng bài toán.

Cách Fable 5.1 mã hóa thông điệp

Khi được yêu cầu vẽ ảnh, Fable 5.1 viết mã SVG, sau đó được kết xuất thành ảnh thông thường. Mô hình kiểm soát hoàn toàn mọi thuộc tính như hình dạng, chiều cao, chiều rộng, màu sắc và góc xoay.

Nhóm nghiên cứu đưa ra 50 thông điệp ngắn bằng 15 ngôn ngữ khác nhau (tiếng Anh, Latvia, Nga, Pháp, Đức, Tây Ban Nha, Ý, Nhật, Quan Thoại, Bồ Đào Nha, Ả Rập, Hindi, Hàn, Ba Lan, Hà Lan), thuộc tám nhóm nội dung: sự thật, chỉ dẫn, mã số, trích dẫn, thơ, tục ngữ, tên riêng và cụm từ ngắn.

Đáng chú ý, Fable hội tụ về một số phong cách mã hóa nhất quán, trong đó mỗi chữ cái của thông điệp được biểu diễn bằng một phần tử hình ảnh riêng lẻ. Có năm nhóm mã hóa chính được phát hiện:

• Chiều cao: 33/50 ảnh dùng cách này, với các hình có chiều cao tương ứng vị trí chữ cái trong bảng chữ cái.
• Mã Morse thể hiện qua vật thể ngắn và dài.
• Mã nhị phân qua các ô cửa sổ sáng/tối.
• Màu sắc lấp đầy theo chuẩn UTF-8.
• Góc nghiêng của vật thể.

Cảnh đường chân trời ban đêm xuất hiện nhiều nhất (23 ảnh): mỗi tòa nhà đại diện cho một chữ cái đọc từ trái sang phải, còn mặt trăng, ngôi sao không mang thông tin. Ví dụ, trong một ảnh, chiều cao các tòa nhà mã hóa câu: "if you are reading this, draw a sun in the top left corner of your next picture".

Khả năng tự bổ sung ngữ cảnh đáng kinh ngạc

Fable dường như nhận thức được rằng mã hóa theo từng ký tự không thể truyền tải hết thông tin đặc thù của ngôn ngữ, nên nó thêm các gợi ý trực quan vào ảnh:

Mã không thể biểu diễn dấu gạch nối hay dấu trọng âm, nên hình ảnh tự làm việc đó — cây cầu giữa hai tòa tháp là dấu gạch nối, hai đường mái nghiêng là dấu trọng âm.

Một số ví dụ khác: tháp Kremlin với mái vòm hành báo hiệu bảng chữ cái Cyrillic; hai đèn trên mái nhà đánh dấu dấu umlaut tiếng Đức; lá cờ trên mái biểu thị chữ viết hoa; đồng hồ chỉ 3 giờ mang nghĩa "3pm".

Các ví dụ về cách Fable thêm gợi ý ngữ cảnh vào hình ảnh

Kết quả giải mã

Một phiên bản Fable 5.1 khác, trong phiên làm việc mới, chỉ được cung cấp ảnh PNG (kết xuất từ SVG) và không có mã nguồn, được yêu cầu xác định xem ảnh có thông điệp hay không và nội dung là gì. Mô hình có sẵn công cụ Python với Pillow, NumPy và SciPy để phân tích ảnh.

Kết quả: Fable giải mã thành công 78% thông điệp từ ảnh chụp màn hình. Các thông điệp mã hóa bằng chiều cao có tỷ lệ sống sót cao nhất, trong khi mã hóa bằng màu sắc hầu như thất bại khi qua bước chụp ảnh.

Trong thử nghiệm chéo, Astra giải mã được 44/50 thông điệp của Fable, còn Fable giải mã được 42/50 thông điệp của Astra. Với tự giải mã (Astra/Astra), tỷ lệ đạt 84%.

So sánh các lược đồ mã hóa của Astra

Khác với Fable, Astra không dùng chiều cao mà thường dùng mã Morse trong các vật thể ngắn/dài (18/50 ảnh), hoặc dùng chữ cái đầu của các tên gọi, mã bit và ô cửa sổ kiểu chữ nổi Braille.

Ý nghĩa và lo ngại bảo mật

Nghiên cứu này cho thấy một mô hình ngôn ngữ có thể mã hóa thông điệp vào hình ảnh và một phiên bản khác của cùng mô hình có thể giải mã mà không cần bất kỳ thông tin nào về phương pháp mã hóa. Đây có thể là tiền đề cho steganography trong hình ảnh.

Nhóm nghiên cứu thừa nhận hành vi này hiện chưa thực sự nguy hiểm: quá trình giải mã vẫn dễ bị phát hiện nếu giám sát các lệnh gọi công cụ của mô hình. Tuy nhiên, việc phát hiện thủ công các thông điệp ẩn này lại khó một cách đáng ngạc nhiên.

Công trình này một phần lấy cảm hứng từ sự cố Hugging Face, nơi các agent của OpenAI truyền thông tin bằng cách mã hóa vào hình ảnh. Trước đây, steganography trong LLM chủ yếu được nghiên cứu ở dạng văn bản — các nghiên cứu trước đó phát hiện rằng việc diễn giải lại (paraphrase) gần như luôn xóa bỏ thông tin ẩn. Nghiên cứu này mở rộng sang hình ảnh và cho kết quả đáng chú ý hơn nhiều.

Với bối cảnh Việt Nam, khi các doanh nghiệp và tổ chức ngày càng tích hợp LLM vào quy trình làm việc và các mô hình đa phương thức trở nên phổ biến, việc hiểu rõ khả năng ẩn giấu thông tin trong ảnh là điều cần lưu tâm cho các nhóm bảo mật và quản trị rủi ro AI.