論文の概要: PMark: Towards Robust and Distortion-free Semantic-level Watermarking with Channel Constraints

• arxiv url: http://arxiv.org/abs/2509.21057v1
• Date: Thu, 25 Sep 2025 12:08:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.889164
• Title: PMark: Towards Robust and Distortion-free Semantic-level Watermarking with Channel Constraints
• Title（参考訳）: PMark: チャネル制約によるロバストおよび歪みのないセマンティックレベルの透かし
• Authors: Jiahao Huo, Shuliang Liu, Bin Wang, Junyan Zhang, Yibo Yan, Aiwei Liu, Xuming Hu, Mingxun Zhou,
• Abstract要約: 大規模言語モデル(LLM)のための透かしレベル(SWM)に関する新しい理論フレームワークを提案する。 PMarkは単純だが強力なSWM手法であり、サンプリングチャネルを通して中央値の次文を動的に推定する。 実験結果から,PMarkはテキスト品質とパラフレージングの両方において,既存のSWMベースラインを一貫して上回ることがわかった。
• 参考スコア（独自算出の注目度）: 49.2373408329323
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic-level watermarking (SWM) for large language models (LLMs) enhances watermarking robustness against text modifications and paraphrasing attacks by treating the sentence as the fundamental unit. However, existing methods still lack strong theoretical guarantees of robustness, and reject-sampling-based generation often introduces significant distribution distortions compared with unwatermarked outputs. In this work, we introduce a new theoretical framework on SWM through the concept of proxy functions (PFs) $\unicode{x2013}$ functions that map sentences to scalar values. Building on this framework, we propose PMark, a simple yet powerful SWM method that estimates the PF median for the next sentence dynamically through sampling while enforcing multiple PF constraints (which we call channels) to strengthen watermark evidence. Equipped with solid theoretical guarantees, PMark achieves the desired distortion-free property and improves the robustness against paraphrasing-style attacks. We also provide an empirically optimized version that further removes the requirement for dynamical median estimation for better sampling efficiency. Experimental results show that PMark consistently outperforms existing SWM baselines in both text quality and robustness, offering a more effective paradigm for detecting machine-generated text. Our code will be released at [this URL](https://github.com/PMark-repo/PMark).
• Abstract（参考訳）: 大規模言語モデル(LLM)のための意味レベル透かし(SWM)は、文を基本単位として扱うことにより、テキスト修正やパラフレーズ攻撃に対する透かしの堅牢性を高める。 しかし、既存の手法はロバスト性の強い理論的な保証を欠いているため、リジェクション・サンプリングに基づく生成は、しばしば非透かし出力と比較して大きな分布歪みをもたらす。 本稿では,代用関数(PFs)$\unicode{x2013}$関数をスカラー値にマッピングすることで,SWMの新たな理論的枠組みを導入する。 この枠組みに基づいて,複数のPF制約(チャネルと呼ぶ)を適用して透かし証拠を強化することで,次の文のPF中央値を動的に推定する,単純かつ強力なSWM手法であるPMarkを提案する。 確固とした理論的保証を備えたPMarkは、望まれる歪みのない特性を達成し、パラフレージングスタイルの攻撃に対する堅牢性を向上させる。 また、サンプリング効率を向上させるために、動的中央値推定の要求をさらに除去する経験的に最適化されたバージョンも提供する。 実験結果から,PMarkはテキスト品質とロバスト性の両方において既存のSWMベースラインを一貫して上回り,機械生成テキストの検出に有効なパラダイムを提供することがわかった。 私たちのコードは[ this URL](https://github.com/PMark-repo/PMark)でリリースされます。

関連論文リスト

• From Trade-off to Synergy: A Versatile Symbiotic Watermarking Framework for Large Language Models [16.89823786392689]
  本稿では, シリアル, パラレル, ハイブリッドの3つの戦略を持つ多種多様な共生型透かしフレームワークを提案する。 このハイブリッドフレームワークはトークンエントロピーとセマンティックエントロピーを使用して透かしを適応的に埋め込み、検出可能性、堅牢性、テキスト品質、セキュリティのバランスを最適化する。
  論文  参考訳（メタデータ） (2025-05-15T03:12:36Z)
• Entropy-Guided Watermarking for LLMs: A Test-Time Framework for Robust and Traceable Text Generation [58.85645136534301]
  サンプルテキストの既存の透かし方式は、テキスト品質の維持と各種攻撃に対する堅牢な検出とのトレードオフに直面していることが多い。 累積透かしエントロピー閾値を導入することにより,検出性とテキスト品質を両立させる新しい透かし方式を提案する。
  論文  参考訳（メタデータ） (2025-04-16T14:16:38Z)
• SimMark: A Robust Sentence-Level Similarity-Based Watermarking Algorithm for Large Language Models [4.069844339028727]
  SimMarkは、大規模言語モデル(LLM)のための堅牢な文レベルの透かしアルゴリズムである。 検出可能な統計的パターンを組み込んでおり、ソフトカウント機構を採用している。 我々は,LLM生成コンテンツのロバストな透かしのための新しいベンチマークをSimMarkが設定していることを示す。
  論文  参考訳（メタデータ） (2025-02-05T00:21:01Z)
• GaussMark: A Practical Approach for Structural Watermarking of Language Models [61.84270985214254]
  GaussMarkは、大規模な言語モデルを透かし出すためのシンプルで効率的で比較的堅牢なスキームである。 GaussMarkは信頼性が高く、効率的で、挿入、削除、置換、ラウンドトリップ翻訳などの汚職に対して比較的堅牢であることを示す。
  論文  参考訳（メタデータ） (2025-01-17T22:30:08Z)
• Theoretically Grounded Framework for LLM Watermarking: A Distribution-Adaptive Approach [35.319577498993354]
  大規模言語モデル(LLM)の透かしのための新しい理論的枠組みを提案する。 本手法は,最悪のType-Iエラーとテキスト歪みの制御を維持しつつ,検出性能の最大化に重点を置いている。 本稿では,Gumbel-max の手法と並行してサロゲートモデルを用いた,効率的かつモデルに依存しない分布適応型透かしアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-03T18:28:10Z)
• A Resilient and Accessible Distribution-Preserving Watermark for Large Language Models [65.40460716619772]
  本研究は,textbfDistribution-textbf Preserving (DiP)ウォーターマークの重要性に焦点をあてる。 現在の戦略とは対照的に,提案したDiPmarkは透かし中に元のトークン分布を同時に保存する。 言語モデルAPIにアクセスせずに検出可能で(アクセス可能)、トークンの適度な変更に対して確実に堅牢である。
  論文  参考訳（メタデータ） (2023-10-11T17:57:35Z)
• SemStamp: A Semantic Watermark with Paraphrastic Robustness for Text Generation [72.10931780019297]
  既存の透かしアルゴリズムはトークンレベルの設計のため、パラフレーズ攻撃に弱い。 局所性に敏感なハッシュ(LSH)に基づく頑健な文レベルのセマンティック透かしアルゴリズムSemStampを提案する。 実験結果から,本アルゴリズムは従来手法に比べて,従来手法よりも頑健であるだけでなく,生成品質の維持にも有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-10-06T03:33:42Z)

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。