LLM把密文伪装成日常聊天

这个项目踩中了一个真实痛点：Signal、WhatsApp 的加密协议本身安全，但"使用加密软件"这个行为在特定地区已成为风险信号。之前常见的规避方案是隐写术把信息藏进图片或音频，但图片传输在纯文字聊天场景里反而突兀。用 LLM 生成载体文本是更自然的升级，不过目前 star 数高 partly because 话题敏感性强，实际安全性取决于本地模型的输出分布是否足够拟真——如果生成文本有可检测的统计特征，整个方案会失效。

做海外社交产品或关注隐私基础设施的团队可以研究它的 prompt 设计和嵌入算法，但直接复用需谨慎：这个项目没有经过密码学社区的正式审计，且 18 岁作者的实现经验有限。更成熟的参考是 Columbia 的 Adversarial Watermarking 和 University of Zurich 的神经隐写工作。