arXiv cs.CL· Kieu Dang, Phung Lai, NhatHai Phan, Yelong Shen, Ruoming Jin·· 11 小时前AI 评分31
SAFESEAL：面向 IP 保护的低语义失真正鲁棒 LLM 水印框架
Robust LLM Watermarking with Minimal Semantic Distortion for IP Protection
AI 导读
研究者提出密钥条件化水印框架 SAFESEAL，通过密钥条件化 Tournament 采样在保留命名实体的同时用上下文同义词替换语言词项，并配合密钥条件化对比检测器实现提供商专属的水印验证。实验显示其 BERTScore 达 0.983、实体相似度 0.963、检测率 98.2%，文本质量与内容保真度获最高人工评分，延迟与最快基线相当。团队同时发布了首个公开水印排行榜和交互式 demo。
正文 · AI 翻译
摘要：专有大型语言模型（LLM）面临知识产权（IP）侵权的风险，因为攻击者可以通过收集输入-输出对来训练替代模型，从而复制 LLM，造成经济损失。水印为验证所有权提供了一种有前景的防御手段，但现有方法往往难以应对语义失真、事实不一致和对抗性攻击。此外，用于提供商特定检测的密钥条件水印，尤其是在跨提供商和多用户场景中，仍很大程度上未被充分探索。为应对这些挑战，我们提出 SAFESEAL，一种新颖的密钥条件水印框架，在实现对模型效用影响最小的同时具备强检测能力，有效平衡了可检测性、效用和鲁棒性。SAFESEAL 通过密钥条件的锦标赛采样机制，在保留命名实体的同时用上下文感知的同义词替换语言术语，从而保持语义保真度和事实一致性。在检测方面，我们引入了一种密钥条件对比检测器，联合编码文本和密钥，实现提供商特定且鲁棒的水印验证。我们推导了效用-可检测性权衡的理论边界，并通过轻量级模型、批处理和并行化显著降低延迟。大量实验表明，SAFESEAL 在效用、可检测性和鲁棒性方面优于基线，实现了 0.983 的 BERTScore、0.963 的实体相似度、98.2% 的检测率，并在文本质量和内容保留方面获得最高的人工评分，延迟与最快的基线相当。为促进透明度和社区驱动的进展，我们发布了首个公开的水印排行榜和交互式演示。
| 主题： | 密码学与安全（cs.CR）；计算与语言（cs.CL） |
| 引用为： | arXiv:2605.23175 [cs.CR] |
| （或此版本的 arXiv:2605.23175v2 [cs.CR]） | |
| https://doi.org/10.48550/arXiv.2605.23175 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Kieu Dang [查看电子邮件]
[v1]
2026年5月22日星期五 02:51:42 UTC（3,664 KB）
[v2]
2026年10月20日星期二 14:40:02 UTC（3,664 KB）
来源：arXiv cs.CL · arxiv.org