論文の概要: Multi-use LLM Watermarking and the False Detection Problem

• arxiv url: http://arxiv.org/abs/2506.15975v1
• Date: Thu, 19 Jun 2025 02:37:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:04.914165
• Title: Multi-use LLM Watermarking and the False Detection Problem
• Title（参考訳）: マルチユースLCM透かしと偽検出問題
• Authors: Zihao Fu, Chris Russell,
• Abstract要約: デジタル透かしは、自動生成されたテキストの誤用に起因するリスクを軽減できる有望な解決策である。 しかし,検出とユーザ識別の両方に同じ埋め込みを同時に使用すると,誤検出の問題が発生する。 本稿では,検出と識別を共同で生成したテキストに符号化するDual Watermarkingを提案する。
• 参考スコア（独自算出の注目度）: 12.954387412283973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital watermarking is a promising solution for mitigating some of the risks arising from the misuse of automatically generated text. These approaches either embed non-specific watermarks to allow for the detection of any text generated by a particular sampler, or embed specific keys that allow the identification of the LLM user. However, simultaneously using the same embedding for both detection and user identification leads to a false detection problem, whereby, as user capacity grows, unwatermarked text is increasingly likely to be falsely detected as watermarked. Through theoretical analysis, we identify the underlying causes of this phenomenon. Building on these insights, we propose Dual Watermarking which jointly encodes detection and identification watermarks into generated text, significantly reducing false positives while maintaining high detection accuracy. Our experimental results validate our theoretical findings and demonstrate the effectiveness of our approach.
• Abstract（参考訳）: デジタル透かしは、自動生成されたテキストの誤用に起因するリスクを軽減できる有望な解決策である。 これらのアプローチは、特定のサンプルによって生成されたテキストの検出を可能にするために、特定の透かしを埋め込むか、LLMユーザの識別を可能にする特定のキーを埋め込むかのどちらかである。 しかし、同一の埋め込みを検知とユーザ識別の両方に同時に使用すると、誤検出問題が発生し、ユーザキャパシティが増大するにつれて、透かしのないテキストが透かしとして誤検出される傾向にある。 理論的解析により、この現象の根本原因を同定する。 これらの知見に基づいて、検出と識別の透かしを共同で生成テキストに符号化し、高い検出精度を維持しながら偽陽性を著しく低減するデュアル透かしを提案する。 実験の結果,提案手法の有効性を検証し,提案手法の有効性を実証した。

関連論文リスト

• A Nested Watermark for Large Language Models [6.702383792532788]
  大型言語モデル(LLM)は偽ニュースや誤情報を生成するために誤用されることがある。 本稿では、2つの異なる透かしを生成されたテキストに埋め込む新しいネスト付き透かし方式を提案する。 提案手法は,テキストの流速と全体的な品質を維持しつつ,両透かしの高精度な検出を実現する。
  論文  参考訳（メタデータ） (2025-06-18T05:49:05Z)
• Modification and Generated-Text Detection: Achieving Dual Detection Capabilities for the Outputs of LLM by Watermark [6.355836060419373]
  1つの実用的な解決策は、透かしをテキストに埋め込むことで、透かし抽出によるオーナシップの検証を可能にする。 既存の手法は主に修正攻撃に対する防御に重点を置いており、しばしば他の偽造攻撃を無視している。 本研究では, 修正に敏感な不偏形透かしに対して, テキスト中の修正を検出する手法を提案する。
  論文  参考訳（メタデータ） (2025-02-12T11:56:40Z)
• Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Reasoning [58.57194301645823]
  大規模言語モデル(LLM)は、現実のパーソナライズされたアプリケーションにますます統合されている。 RAGで使用される知識基盤の貴重かつしばしばプロプライエタリな性質は、敵による不正使用のリスクをもたらす。 これらの知識基盤を保護するための透かし技術として一般化できる既存の方法は、一般的に毒やバックドア攻撃を含む。 我々は、無害な」知識基盤の著作権保護の名称を提案する。
  論文  参考訳（メタデータ） (2025-02-10T09:15:56Z)
• WaterSeeker: Pioneering Efficient Detection of Watermarked Segments in Large Documents [63.563031923075066]
  WaterSeekerは、広範囲な自然テキストの中で、ウォーターマークされたセグメントを効率的に検出し、発見するための新しいアプローチである。 検出精度と計算効率のバランスが良くなる。
  論文  参考訳（メタデータ） (2024-09-08T14:45:47Z)
• Duwak: Dual Watermarks in Large Language Models [49.00264962860555]
  トークン確率分布とサンプリングスキームの両方に二重秘密パターンを埋め込むことにより、透かしの効率と品質を向上させるために、Duwakを提案する。 Llama2でDuwakを4つの最先端透かし技術と組み合わせて評価した。
  論文  参考訳（メタデータ） (2024-03-12T16:25:38Z)
• WatME: Towards Lossless Watermarking Through Lexical Redundancy [58.61972059246715]
  本研究では,認知科学レンズを用いた大規模言語モデル(LLM)の異なる機能に対する透かしの効果を評価する。 透かしをシームレスに統合するための相互排他型透かし(WatME)を導入する。
  論文  参考訳（メタデータ） (2023-11-16T11:58:31Z)
• An Unforgeable Publicly Verifiable Watermark for Large Language Models [84.2805275589553]
  現在の透かし検出アルゴリズムは、透かし生成プロセスで使用される秘密鍵を必要としており、公開検出中にセキュリティ違反や偽造の影響を受ける。 両段階で同じキーを使用するのではなく、2つの異なるニューラルネットワークを用いて透かしの生成と検出を行う。
  論文  参考訳（メタデータ） (2023-07-30T13:43:27Z)
• On the Reliability of Watermarks for Large Language Models [95.87476978352659]
  本研究では,人間による書き直し後の透かしテキストの堅牢性,非透かしLDMによる言い換え,あるいはより長い手書き文書への混在性について検討する。 人や機械の言い回しをしても、透かしは検出可能である。 また、大きな文書に埋め込まれた透かし付きテキストの短いスパンに敏感な新しい検出手法についても検討する。
  論文  参考訳（メタデータ） (2023-06-07T17:58:48Z)
• SepMark: Deep Separable Watermarking for Unified Source Tracing and Deepfake Detection [15.54035395750232]
  悪意あるディープフェイクは、本物と偽造された顔の区別に関して激しい対立を引き起こしている。 我々はソーストレースとディープフェイク検出のための統合フレームワークを提供するSepMarkを提案する。
  論文  参考訳（メタデータ） (2023-05-10T17:15:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。