論文の概要: PromptMark: A Prompt-Guided Iterative-Feedback Framework for Source Code Watermarking

• arxiv url: http://arxiv.org/abs/2606.20835v1
• Date: Thu, 18 Jun 2026 18:21:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 12:37:04.1592
• Title: PromptMark: A Prompt-Guided Iterative-Feedback Framework for Source Code Watermarking
• Title（参考訳）: PromptMark: ソースコード透かしのためのPrompt-Guided Iterative-Feedbackフレームワーク
• Authors: Istiaq Ahmed Fahad, Mridha Md. Nafis Fuad, Kazi Sakib,
• Abstract要約: 我々は,ブラックボックス,プロンプト誘導型透かしフレームワークであるPromptMarkを提案する。 目に見えないが統計的に検出可能な信号を、構造化された入力命令によって生成されたコードに埋め込む。 PromptMarkは、高いコードの正確性を維持しながら、強い透かし検出性を一貫して達成している。
• 参考スコア（独自算出の注目度）: 0.5798758080057375
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Watermarking has become a crucial technique for ensuring provenance and accountability in AI-generated source code. As large language models (LLMs) are increasingly integrated into development workflows, reliable attribution remains challenging. In practice, most developers rely on commercial LLM APIs operating under black-box constraints, making existing approaches that require access to the decoding process less feasible for real-world integration. To address this limitation, we propose PromptMark, a black-box, prompt-guided watermarking framework that embeds invisible yet statistically detectable signals into generated code via structured input instructions. The method steers models toward subtle identifier and comment naming patterns while preserving the functional correctness and structural integrity of the generated code. Detection is performed using statistical tests designed to remain reliable across varying code lengths and model outputs. The embedding is further refined through an iterative feedback loop, where prompts are updated based on watermark detection scores. Experiments on the MBPP and HumanEval benchmarks show that PromptMark consistently achieves strong watermark detectability while maintaining high code correctness, outperforming baseline approaches.
• Abstract（参考訳）: ウォーターマーキングは、AI生成ソースコードの証明と説明責任を保証する重要なテクニックとなっている。 大規模言語モデル(LLM)が開発ワークフローにますます統合されているため、信頼性の高い帰属は依然として困難である。 実際には、ほとんどの開発者はブラックボックスの制約の下で運用されている商用LLM APIに依存しており、デコードプロセスへのアクセスを必要とする既存のアプローチは、現実世界の統合では実現不可能である。 この制限に対処するために、構造化された入力命令を介して、目に見えないが統計的に検出可能な信号を生成コードに埋め込む、ブラックボックスでプロンプト誘導型透かしフレームワークであるPromptMarkを提案する。 この手法は、生成されたコードの機能的正しさと構造的整合性を保ちながら、微妙な識別子とコメント命名パターンに向けてモデルを操る。 検出は、様々なコードの長さとモデル出力にわたって信頼性を保つように設計された統計的テストを使用して行われる。 埋め込みは繰り返しフィードバックループを通じてさらに洗練され、透かし検出スコアに基づいてプロンプトが更新される。 MBPPとHumanEvalベンチマークの実験では、PromptMarkは高いコード正しさを維持しながら強い透かし検出性を一貫して達成し、ベースラインアプローチよりも優れていた。

関連論文リスト

• Optimizing Token Choice for Code Watermarking: An RL Approach [41.184827829989494]
  我々は,新しい強化学習パラダイムを基盤とした適応型コード透かしフレームワークであるCodeTracerを紹介する。 CodeTracerは、パラメータ化モデルを使用して、次のトークン予測中にトークンの選択をインテリジェントにバイアスするポリシ駆動のアプローチを備えている。 政策学習を容易にするために,実行フィードバックを透かし埋め込み信号とシームレスに統合する包括的報酬システムを開発した。
  論文  参考訳（メタデータ） (2025-08-16T06:11:29Z)
• 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)
• MarkLLM: An Open-Source Toolkit for LLM Watermarking [80.00466284110269]
  MarkLLMは、LLMウォーターマーキングアルゴリズムを実装するためのオープンソースのツールキットである。 評価のために、MarkLLMは3つの視点にまたがる12のツールと、2種類の自動評価パイプラインを提供する。
  論文  参考訳（メタデータ） (2024-05-16T12:40:01Z)
• Token-Specific Watermarking with Enhanced Detectability and Semantic Coherence for Large Language Models [31.062753031312006]
  大規模言語モデルは、潜在的な誤報を伴う高品質な応答を生成する。 ウォーターマーキングは、テキストに隠れたマーカーを埋め込むことによって、この文脈において重要な意味を持つ。 ウォーターマーキングのための新しい多目的最適化(MOO)手法を提案する。 本手法は,検出性と意味的整合性を同時に達成する。
  論文  参考訳（メタデータ） (2024-02-28T05:43:22Z)
• Who Wrote this Code? Watermarking for Code Generation [53.24895162874416]
  本稿では,機械生成テキストを検出するために,Entropy Thresholding (SWEET) を用いたSelective WatErmarkingを提案する。 実験の結果,SWEETはコード品質を著しく向上し,すべてのベースラインを上回ります。
  論文  参考訳（メタデータ） (2023-05-24T11:49:52Z)

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。