論文の概要: TimeMark: A Trustworthy Time Watermarking Framework for Exact Generation-Time Recovery from AIGC
- arxiv url: http://arxiv.org/abs/2604.12216v1
- Date: Tue, 14 Apr 2026 02:51:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.203292
- Title: TimeMark: A Trustworthy Time Watermarking Framework for Exact Generation-Time Recovery from AIGC
- Title（参考訳）: TimeMark: AIGCから生成時間回復を実現するための信頼できるタイム透かしフレームワーク
- Authors: Shangkun Che, Silin Du, Ge Gao,
- Abstract要約: 我々は司法証拠として使える信頼できる透かしを提案する。
我々のフレームワークは暗号技術を統合し、時刻情報を時間依存秘密鍵にエンコードする。
- 参考スコア（独自算出の注目度）: 11.080088516048093
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The widespread use of Large Language Models (LLMs) in text generation has raised increasing concerns about intellectual property disputes. Watermarking techniques, which embed meta information into AI-generated content (AIGC), have the potential to serve as judicial evidence. However, existing methods rely on statistical signals in token distributions, leading to inherently probabilistic detection and reduced reliability, especially in multi-bit encoding (e.g., timestamps). Moreover, such methods introduce detectable statistical patterns, making them vulnerable to forgery attacks and enabling model providers to fabricate arbitrary watermarks. To address these issues, we propose the concept of trustworthy watermark, which achieves reliable recovery with 100% identification accuracy while resisting both user-side statistical attacks and provider-side forgery. We focus on trustworthy time watermarking for use as judicial evidence. Our framework integrates cryptographic techniques and encodes time information into time-dependent secret keys under regulatory supervision, preventing arbitrary timestamp fabrication. The watermark payload is decoupled from time and generated as a random, non-stored bit sequence for each instance, eliminating statistical patterns. To ensure verifiability, we design a two-stage encoding mechanism, which, combined with error-correcting codes, enables reliable recovery of generation time with theoretically perfect accuracy. Both theoretical analysis and experiments demonstrate that our framework satisfies the reliability requirements for judicial evidence and offers a practical solution for future AIGC-related intellectual property disputes.
- Abstract（参考訳）: テキスト生成におけるLarge Language Models (LLM) の広範な使用は、知的財産権紛争に対する懸念を高めている。
AIGC(AIGC)にメタデータを埋め込んだ透かし技術は、法的証拠として機能する可能性がある。
しかし、既存の手法はトークン分布の統計信号に依存しており、特にマルチビット符号化(タイムスタンプなど)において、本質的に確率的検出と信頼性の低下につながる。
さらに、検出可能な統計パターンを導入し、偽造攻撃に対して脆弱になり、モデルプロバイダが任意の透かしを作成できるようになる。
これらの問題に対処するために,ユーザ側の統計的攻撃とプロバイダ側の偽造の両方に抵抗しながら,100%の識別精度で信頼性の高い回復を実現する,信頼できる透かしの概念を提案する。
我々は、司法証拠として使われるための信頼できるタイムウォーターマークに焦点をあてる。
本フレームワークは暗号技術を統合し,時間依存秘密鍵に時間情報をエンコードすることで,任意のタイムスタンプ作成を防止する。
透かしペイロードは時間から切り離され、各インスタンスのランダムな非ストアビットシーケンスとして生成され、統計的パターンが排除される。
検証性を確保するために、2段階符号化機構を設計し、誤り訂正符号と組み合わせることで、理論上完全な精度で生成時間の確実な回復を可能にする。
理論的解析と実験の両方は、我々の枠組みが司法証拠の信頼性要件を満たし、将来のAIGC関連の知的財産権紛争に実用的な解決策を提供することを示している。
関連論文リスト
- SAiW: Source-Attributable Invisible Watermarking for Proactive Deepfake Defense [7.442956390854273]
現代の生成モデルによって生成されたディープフェイクは、情報の完全性、デジタルアイデンティティ、および公的な信頼に深刻な脅威をもたらす。
本稿では,プロアクティブなディープフェイクディフェンスとメディアプロファイランス検証のための,ソースAttributed Invisible Watermarking FrameworkであるSAiWを紹介する。
論文 参考訳（メタデータ） (2026-03-24T13:26:52Z) - Detecting Cognitive Signatures in Typing Behavior for Non-Intrusive Authorship Verification [0.0]
AI生成テキストの普及により、信頼性の高いオーサシップ検証の必要性が高まっているが、現在のアウトプットベースのメソッドはますます信頼できないものになっている。
通常のタイピングインタフェースは、キーストロークタイミングにおけるリッチな認知的シグネチャ、測定可能なパターンを捉え、実際の構成の計画、翻訳、修正の段階を反映する。
本稿では、既存の書き込みインターフェース内で動作し、プライバシを保護するためにタイミングメタデータのみを収集する非侵入的検証フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-26T20:02:55Z) - DWBench: Holistic Evaluation of Watermark for Dataset Copyright Auditing [43.881484429055654]
データセット透かし技術は、監査と使用の検証を約束する。
我々はDWBenchを開発した。DWBenchは、画像データセットのウォーターマーク手法を体系的に評価するための統一ベンチマークおよびオープンソースツールキットである。
そこで本研究では,詳細な透かし識別のためのサンプルの意義と,データセットレベルの監査における検証成功率の2つの新しい指標について述べる。
論文 参考訳（メタデータ） (2026-02-14T01:09:19Z) - SWAP: Towards Copyright Auditing of Soft Prompts via Sequential Watermarking [58.475471437150674]
ソフトプロンプト(SWAP)のための逐次透かしを提案する。
SWAPは、特定のディフェンダー指定のアウト・オブ・ディストリビューション・クラスを通じて、透かしを符号化する。
11のデータセットの実験では、SWAPの有効性、無害性、および潜在的適応攻撃に対する堅牢性を示す。
論文 参考訳（メタデータ） (2025-11-05T13:48:48Z) - An Ensemble Framework for Unbiased Language Model Watermarking [60.99969104552168]
本研究では,アンサンブル・フレームワークであるENSを提案する。
ENSは複数の独立した透かしインスタンスを順次構成し、それぞれ異なるキーによって管理され、透かし信号を増幅する。
実験的な評価では、ENSは信頼できる検出に必要なトークンの数を大幅に減らし、平滑化やパラフレージング攻撃に対する耐性を高めている。
論文 参考訳（メタデータ） (2025-09-28T19:37:44Z) - ReliabilityRAG: Effective and Provably Robust Defense for RAG-based Web-Search [69.60882125603133]
本稿では,検索した文書の信頼性情報を明確に活用する,敵対的堅牢性のためのフレームワークであるReliabilityRAGを提案する。
我々の研究は、RAGの回収されたコーパスの腐敗に対するより効果的で確実に堅牢な防御に向けた重要な一歩である。
論文 参考訳（メタデータ） (2025-09-27T22:36:42Z) - StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models [55.05404953041403]
拡散生成プロセスにバイナリ透かしをシームレスに統合する新しいフレームワークを提案する。
画像の忠実さ、透かしの検証、ローカライゼーションの改ざんにおいて、StableGuardは一貫して最先端の手法より優れていることを示す。
論文 参考訳（メタデータ） (2025-09-22T16:35:19Z) - Towards Generalized and Stealthy Watermarking for Generative Code Models [35.78974773421725]
実験の結果,コード要約タスクとコード生成タスクの両方において,CodeGuardが最大100%の透かし検証率を達成することがわかった。
ステルス性に関しては、CodeGuard は OnION 検出方法に対して最大 0.078 の検出率で例外的に実行している。
論文 参考訳（メタデータ） (2025-06-26T01:14:35Z) - 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)
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。