論文の概要: Toward Stronger Code Watermarking: A Grammar-Driven Approach to Optimizing the Trade-off Between Quality and Detectability

• arxiv url: http://arxiv.org/abs/2607.10210v1
• Date: Sat, 11 Jul 2026 08:43:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.34071
• Title: Toward Stronger Code Watermarking: A Grammar-Driven Approach to Optimizing the Trade-off Between Quality and Detectability
• Title（参考訳）: より強力なコードウォーターマーキングに向けて - 品質と検出性の間のトレードオフを最適化するための文法駆動アプローチ
• Abstract要約: 本稿では,Large Language Models (LLM) のためのGDW (Grammar-Driven Watermark) と呼ばれる新しいコード透かし手法を提案する。 GDWは文法誘導3レベルマスキング機構を通じて統語的妥当性を保ち、構造的役割認識変調により透かし信号を注入する。 GDWは,変数リネーム攻撃に対するロバスト性を維持しつつ,既存の手法よりも優れた品質-検出可能性トレードオフフロンティアを確立していることを示す。
• 参考スコア（独自算出の注目度）: 43.59505715248063
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid development of Large Language Models (LLMs), text watermarking has emerged as a crucial technique for identifying machine-generated content. However, directly applying existing logits-based watermarking methods to code generation remains challenging, since the low-entropy nature of code exacerbates the trade-off between code quality and watermark detectability. In this paper, we propose a novel code watermarking approach called Grammar-Driven Watermark (GDW) for LLMs. GDW preserves syntactic validity through a grammar-guided three-level masking mechanism and injects watermark signals via structural role-aware modulation, assigning a stronger bias to content-bearing tokens while applying a more conservative bias to syntax-critical tokens. Aligning with the generation process, we further design a role-aware weighted detection statistic to improve detectability. Experiments across multiple programming languages, models, and decoding strategies show that GDW establishes a stronger quality-detectability trade-off frontier than existing methods, while maintaining robustness against variable-renaming attacks.
• Abstract（参考訳）: LLM(Large Language Models)の急速な発展に伴い、テキスト透かしは機械生成コンテンツを識別するための重要な技術として登場した。 しかし、コードの低エントロピー性はコード品質と透かし検出性のトレードオフを悪化させるため、既存のロジットベースの透かし法を直接コード生成に適用することは依然として困難である。 本稿では,LLMのためのGDW(Grammar-Driven Watermark)と呼ばれる新しいコード透かし手法を提案する。 GDWは文法誘導3レベルマスキング機構を通じて統語的妥当性を保ち、構造的役割を意識した変調を通じて透かし信号を注入し、より保守的なバイアスを構文クリティカルトークンに適用しながら、コンテンツを含むトークンにより強いバイアスを割り当てる。 生成プロセスに応じて、我々はさらに、検出可能性を改善するために、役割対応重み付き検出統計を設計する。 複数のプログラミング言語、モデル、デコード戦略の実験により、GDWは、変数リネーム攻撃に対する堅牢性を維持しながら、既存の手法よりも強力な品質-検出可能性トレードオフフロンティアを確立することが示されている。

関連論文リスト

• Robust Text Watermarking for Large Language Models via Dual Semantic Embeddings [2.992414059774663]
  本研究は,大規模言語モデル(LLM)に対する意味的透かし方式を提案する。 Dual-Embedding Watermarking (DEW)は、文脈的およびトークンレベルの埋め込みを使用して、パラフレーズや翻訳に対する堅牢性を高める。
  論文  参考訳（メタデータ） (2026-06-30T12:51:30Z)
• PromptMark: A Prompt-Guided Iterative-Feedback Framework for Source Code Watermarking [0.5798758080057375]
  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。
  論文  参考訳（メタデータ） (2026-06-18T18:21:38Z)
• 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)
• BiMark: Unbiased Multilayer Watermarking for Large Language Models [68.64050157343334]
  テキスト品質とメッセージ埋め込み能力のバランスをとる新しい透かしフレームワークであるBiMarkを提案する。 BiMarkは、短いテキストに対して最大30%高い抽出率を達成すると同時に、低いパープレキシティで示されるテキスト品質を維持する。
  論文  参考訳（メタデータ） (2025-06-19T11:08:59Z)
• Enhancing Watermarking Quality for LLMs via Contextual Generation States Awareness [35.06121005075721]
  プラグ・アンド・プレイ型コンテキスト生成状態認識型透かしフレームワーク(CAW)について紹介する。 まず、CAWは透かしキャパシティ評価器を内蔵し、異なるトークン位置におけるメッセージの埋め込みの影響を評価する。 提案手法によって生じる遅延を回避するために,マルチブランチプレジェネレーション機構を導入する。
  論文  参考訳（メタデータ） (2025-06-09T03:53:41Z)
• 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)
• CodeIP: A Grammar-Guided Multi-Bit Watermark for Large Language Models of Code [56.019447113206006]
  大規模言語モデル(LLM)はコード生成において顕著な進歩を遂げた。 CodeIPは、新しいマルチビット透かし技術で、出所の詳細を保持するために追加情報を挿入する。 5つのプログラミング言語にまたがる実世界のデータセットで実施された実験は、CodeIPの有効性を実証している。
  論文  参考訳（メタデータ） (2024-04-24T04:25:04Z)
• Topic-Based Watermarks for Large Language Models [46.71493672772134]
  本稿では,Large Language Model (LLM) 出力のための軽量なトピック誘導型透かし方式を提案する。 本手法は,Google の SynthID-Text など,業界をリードするシステムに匹敵する難易度を実現する。
  論文  参考訳（メタデータ） (2024-04-02T17:49:40Z)
• 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。