arXiv cs.AI· Dongbin Kim, Geonwoo Shin, Yujin Choi, Soyeon Park, Jaewook Lee·· 11 小时前AI 评分29
L-VQVAE 与 LVQMark：面向多变量时间序列的局部 token 化生成模型水印方法
A Locally Tokenized Generative Model for Robust Time-Series Watermarking
AI 导读
研究者提出 L-VQVAE 生成模型与 LVQMark 水印方法，让每个离散 token 仅由短时连续窗口生成，从而在编辑攻击下稳定检测。现有依赖全局耦合重编码的检测器会出现零分布双向漂移，使干净校准的阈值失效。在金融、能源、神经影像四个基准上，该方法保持生成质量并稳定检测功效与误报行为。
正文 · AI 翻译
摘要：水印是生成模型中用于溯源的核心工具，但其在多变量时间序列上的应用仍受制于后编辑攻击下的可靠性失效。我们表明，现有检测器依赖全局耦合的重编码，因而会遭受零分布的双向漂移：后编辑攻击可使未加水印样本的 $z$ 分数向任一方向偏移，从而使干净校准的阈值失效。我们认为这种不稳定性是重编码本身的性质，而可靠检测要求每个恢复单元仅依赖于有界的时间邻域。基于这一原则，我们提出 L-VQVAE，一种每个离散 token 均由短连续窗口生成的生成模型，以及 LVQMark，一种在该 token 空间上的水印方法，它将 logit 偏置注入与用于攻击时检测的鲁棒重编码相结合。在涵盖金融、能源和神经影像的四个基准上的实验表明，我们的方法在保持生成质量的同时，在后编辑攻击下稳定了检测功效和假阳性行为。
| 评论： | NeurIPS 2026 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| ACM 分类： | I.2.6; K.6.5; G.3 |
| 引用为： | arXiv:2608.19727 [cs.LG] |
| （或 arXiv:2608.19727v2 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.19727 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Dongbin Kim [查看邮箱]
[v1]
2026年8月20日 星期四 07:25:41 UTC（538 KB）
[v2]
2026年11月5日 星期四 02:11:50 UTC（550 KB）
来源：arXiv cs.AI · arxiv.org