論文の概要: A Nested Watermark for Large Language Models

• arxiv url: http://arxiv.org/abs/2506.17308v1
• Date: Wed, 18 Jun 2025 05:49:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.331803
• Title: A Nested Watermark for Large Language Models
• Title（参考訳）: 大規模言語モデルのためのネステッド透かし
• Authors: Koichi Nagatsuka, Terufumi Morishita, Yasuhiro Sogawa,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 6.702383792532788
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The rapid advancement of large language models (LLMs) has raised concerns regarding their potential misuse, particularly in generating fake news and misinformation. To address these risks, watermarking techniques for autoregressive language models have emerged as a promising means for detecting LLM-generated text. Existing methods typically embed a watermark by increasing the probabilities of tokens within a group selected according to a single secret key. However, this approach suffers from a critical limitation: if the key is leaked, it becomes impossible to trace the text's provenance or attribute authorship. To overcome this vulnerability, we propose a novel nested watermarking scheme that embeds two distinct watermarks into the generated text using two independent keys. This design enables reliable authorship identification even in the event that one key is compromised. Experimental results demonstrate that our method achieves high detection accuracy for both watermarks while maintaining the fluency and overall quality of the generated text.
• Abstract（参考訳）: 大規模言語モデル(LLM)の急速な進歩は、その潜在的な誤用、特にフェイクニュースや誤報の発生に対する懸念を引き起こしている。 これらのリスクに対処するため、自己回帰言語モデルのための透かし技術が、LCM生成テキストを検出するための有望な手段として登場した。 既存の方法では、単一の秘密鍵に従って選択されたグループにトークンの確率を増大させることで、透かしを埋め込むのが一般的である。 しかし、このアプローチには限界があり、キーが漏洩すると、テキストの証明や属性の作者の追跡が不可能になる。 この脆弱性を克服するために、2つの独立したキーを用いて、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。 この設計は、1つのキーが侵害された場合でも信頼できるオーサリング識別を可能にする。 実験結果から,本手法は両透かしの高精度な検出を実現するとともに,生成したテキストの流速と全体的な品質を維持できることがわかった。

関連論文リスト

• StealthInk: A Multi-bit and Stealthy Watermark for Large Language Models [4.76514657698929]
  StealthInkは、大規模言語モデル(LLM)のためのステルスなマルチビット透かし方式である 元のテキスト配布を保存し、証明データの埋め込みを可能にする。 固定等誤り率で透かし検出に必要なトークン数に対する低い境界を導出する。
  論文  参考訳（メタデータ） (2025-06-05T18:37:38Z)
• Signal Watermark on Large Language Models [28.711745671275477]
  本稿では,Large Language Models (LLMs) によるテキストに特定の透かしを埋め込む透かし手法を提案する。 この技術は、透かしが人間に見えないことを保証するだけでなく、モデル生成テキストの品質と文法的整合性も維持する。 提案手法は複数のLDMに対して実験的に検証され,高い検出精度を維持している。
  論文  参考訳（メタデータ） (2024-10-09T04:49:03Z)
• Adaptive Text Watermark for Large Language Models [8.100123266517299]
  プロンプトやモデルの知識を必要とせずに、強力なセキュリティ、堅牢性、および透かしを検出する能力を維持しつつ、高品質な透かしテキストを生成することは困難である。 本稿では,この問題に対処するための適応型透かし手法を提案する。
  論文  参考訳（メタデータ） (2024-01-25T03:57:12Z)
• Improving the Generation Quality of Watermarked Large Language Models via Word Importance Scoring [81.62249424226084]
  トークンレベルの透かしは、トークン確率分布を変更して生成されたテキストに透かしを挿入する。 この透かしアルゴリズムは、生成中のロジットを変化させ、劣化したテキストの品質につながる可能性がある。 We propose to improve the quality of texts generated by a watermarked language model by Watermarking with Importance Scoring (WIS)。
  論文  参考訳（メタデータ） (2023-11-16T08:36:00Z)
• 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)

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。