論文の概要: Signature filtering: a lightweight enhancement for statistical watermark detection in large language models

• arxiv url: http://arxiv.org/abs/2606.18430v1
• Date: Tue, 16 Jun 2026 19:24:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:50.870041
• Title: Signature filtering: a lightweight enhancement for statistical watermark detection in large language models
• Title（参考訳）: 署名フィルタリング:大規模言語モデルにおける統計的透かし検出の軽量化
• Authors: Chih-Duo Hong, Yen-Pang Chen, Fang Yu,
• Abstract要約: Signature filteringは、透かしの埋め込みやテキスト生成を変更することなく、透かし検出を強化する検出時モジュールである。 繰り返し透かしテストの信頼性を損なう小さなトークンセットを学び、検出前にこれらのトークンを削除する。 2グラムと3グラムのシグネチャは、弱信号および低エントロピー設定における検出率を、フィルタリングなしで831%からフィルタリングで7899%に引き上げた。
• 参考スコア（独自算出の注目度）: 0.754900594011865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Statistical watermarks help organizations attribute large language model (LLM) outputs, yet existing detectors often struggle when watermark signals are weak, texts are repetitive, or watermarks are edited. We propose signature filtering, a detection-time module that enhances watermark detection without modifying watermark embedding and text generation. It learns a small set of ``signature'' tokens whose presence makes watermark tests unreliable, and removes these tokens before detection. The signatures are obtained by solving a mixed-integer linear program on a small training set, with constraints that maximize the true positive rate. We additionally derive finite-sample and asymptotic bounds under several attacker models (color-blind, color-adaptive, and distributionally correlated). On four well-known watermark families (Kgw, Sweet, Unigram, Exp), four benchmark corpora (C4, MBPP, HumanEval, Code-Search-Net), and six LLMs (Opt-1.3b, Opt-6.7b, Llama2-13b, Llama3.1-8b, Qwen2.5-14b, Phi-3-medium-14b), 2- and 3-gram signatures raise detection rates in weak-signal and low-entropy settings from 8~31% without filtering to 78~99% with filtering, while keeping false positives controllable and often negligible. In stress tests where we scramble sentences and perturb 25~50% of tokens by dilution, deletions, and substitutions, 2-gram filters for Kgw-style watermarks preserve most of the clean-text detection gains, often matching or outperforming the advanced WinMax watermark detector. Signature filtering thus provides a simple, scalable, and model-agnostic add-on to strengthen watermark-based provenance checks for LLM text in information processing workflows.
• Abstract（参考訳）: 統計透かしは、大規模言語モデル(LLM)の出力を組織に割り当てるのに役立つが、既存の検出器は、透かし信号が弱い場合や、テキストが反復的である場合、あるいは透かしが編集される場合、しばしば苦労する。 我々は,透かしの埋め込みやテキスト生成を変更することなく,透かし検出を高速化する検出時モジュールであるシグネチャフィルタリングを提案する。 これは、ウォーターマークテストが信頼できないような ‘signature' トークンの小さなセットを学び、検出する前にこれらのトークンを削除する。 これらのシグネチャは、小さなトレーニングセット上で混合整数線形プログラムを解くことで得られ、真の正の確率を最大化する制約を持つ。 さらに、いくつかの攻撃モデル(色盲、色適応、分布相関)の下で有限サンプルと漸近境界を導出する。 4つの有名なウォーターマーク(Kgw, Sweet, Unigram, Exp)と4つのベンチマークコーパス(C4, MBPP, HumanEval, Code-Search-Net)と6つのLCM(Opt-1.3b, Opt-6.7b, Llama2-13b, Llama3.1-8b, Qwen2.5-14b, Phi-3-medium-14b)では、2-および3-gramシグネチャは、フィルタなしで78〜99%まで、弱い信号と低エントロピー設定で検出率を8～31%向上させる。 希釈,削除,置換によって25～50%のトークンをスクランブルし,摂動するストレステストにおいて,Kgw型透かしの2グラムフィルタはクリーンテキスト検出のゲインの大部分を保存し,しばしば高度なWinMax透かし検出器の整合や性能を向上する。 署名フィルタリングは、情報処理ワークフローにおけるLLMテキストの透かしベースの証明チェックを強化するために、シンプルでスケーラブルでモデルに依存しないアドオンを提供する。

関連論文リスト

• BiMarker: Enhancing Text Watermark Detection for Large Language Models with Bipolar Watermarks [13.741307434082033]
  既存の透かし技術は、低い透かし強度と厳しい偽陽性要件に苦しむ。 ツールは生成されたテキストを正極と負極に分割し、追加の計算リソースを必要とせずに検出を強化する。
  論文  参考訳（メタデータ） (2025-01-21T14:32:50Z)
• Less is More: Sparse Watermarking in LLMs with Enhanced Text Quality [27.592486717044455]
  テキストに分散した生成されたトークンの小さなサブセットに透かしを適用することで、このトレードオフを緩和することを目的とした新しいタイプの透かしであるスパース透かしを提案する。 提案手法は,従来の透かし手法よりも高い品質のテキストを生成しつつ,高い検出性を実現することを示す。
  論文  参考訳（メタデータ） (2024-07-17T18:52:12Z)
• Watermarking Low-entropy Generation for Large Language Models: An Unbiased and Low-risk Method [6.505831742654826]
  STA-1は、予想された元のトークン分布を保存する不偏の透かしである。 低エントロピーおよび高エントロピーデータセットの実験結果は、STA-1が上記の特性を同時に達成できることを証明している。
  論文  参考訳（メタデータ） (2024-05-23T14:17:29Z)
• Robust Distortion-free Watermarks for Language Models [85.55407177530746]
  本稿では,自動回帰言語モデルからテキストに透かしを植え付ける手法を提案する。 言語モデルから乱数列をサンプルにマッピングすることで、透かし付きテキストを生成する。
  論文  参考訳（メタデータ） (2023-07-28T14:52:08Z)
• 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)
• A Watermark for Large Language Models [84.95327142027183]
  本稿では,プロプライエタリな言語モデルのための透かしフレームワークを提案する。 透かしはテキストの品質に無視できない影響で埋め込むことができる。 言語モデルAPIやパラメータにアクセスすることなく、効率的なオープンソースアルゴリズムを使って検出することができる。
  論文  参考訳（メタデータ） (2023-01-24T18:52:59Z)

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。