論文の概要: Construction-Driven Injection: Linguistically-Grounded Edit-Based Code-Mixing Fingerprints for Large Language Models
- arxiv url: http://arxiv.org/abs/2607.25633v1
- Date: Tue, 28 Jul 2026 12:16:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.822729
- Title: Construction-Driven Injection: Linguistically-Grounded Edit-Based Code-Mixing Fingerprints for Large Language Models
- Title（参考訳）: 構築駆動インジェクション:大規模言語モデルのための言語的に取り囲む編集ベースのコードミキシングフィンガープリント
- Abstract要約: インジェクトされた指紋は、実用的でブラックボックスで検証可能な所有権信号を提供する。
既存の方法は、指紋がどのように構築され、どのように注入されるかという、指紋ライフサイクルの2つの段階を分離する。
我々は,指紋形成が注入を促進するべきだと主張し,両段階を共同で最適化する統合指紋処理フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 5.256607973673119
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models (LLMs) are costly intellectual assets that remain exposed to unauthorized redistribution and commercial misuse. Injected fingerprints, i.e., trigger--target pairs embedded in model behavior, offer a practical, black-box-verifiable ownership signal, but existing methods decouple the two stages of the fingerprint life cycle: how a fingerprint is constructed and how it is injected. Existing fingerprinting frameworks suffer from two limitations. Natural-language fingerprints are prone to accidental activation, and garbled fingerprints are easily filtered by perplexity-based detection. Furthermore, decoupling construction from injection leaves the latter unaware of the trigger's linguistic structure, missing the opportunity for targeted optimization. We argue that fingerprint construction should drive injection, and present a unified fingerprinting framework that jointly optimizes both stages. First, LCF constructs code-mixing fingerprints by combining low-resource languages under a semantic-density substitution rule and grammar-biased mixing, yielding triggers whose perplexity sits far below garbled baselines while avoiding the accidental-activation failures of natural-language triggers. Second, LCFEdit injects each fingerprint with a null-space projection derived from high-resource multilingual representations that preserves knowledge, augmented by a cross-lingual alignment step that steers the weight update toward the fingerprint language's representation subspace. This construction-aware injection ensures that the update is linguistically informed and therefore more stable. Extensive evaluations on imperceptibility, detectability, and harmlessness demonstrate persistent ownership verification with negligible impact on utility.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、認可されていない再配布と商業的誤用に晒されたままの高価な知的資産である。
射出指紋(injected fingerprint)、すなわち、モデル行動に埋め込まれたトリガーターゲットペアは、実用的なブラックボックスで検証可能な所有権信号を提供するが、既存の方法は、指紋がどのように構築され、どのように注入されるかという、指紋ライフサイクルの2つの段階を分離する。
既存のフィンガープリントフレームワークには2つの制限がある。
自然言語の指紋は偶然にアクティベーションされる傾向があり、パープレキシティに基づく検出により、ガーブラード指紋は簡単にフィルタリングされる。
さらに、インジェクションから構築を分離することは、トリガーの言語構造に気付かず、目標とする最適化の機会を欠いている。
我々は,指紋形成が注入を促進するべきだと主張し,両段階を共同で最適化する統合指紋処理フレームワークを提案する。
まず、LCFは、低リソース言語を意味密度置換規則と文法バイアス混合に組み合わせてコードミキシングフィンガーを構築し、自然言語トリガーの偶然のアクティベーション障害を回避しつつ、難易度がニンブルドベースラインよりはるかに低いトリガーを生成する。
第2に、LCFEditは、知識を保持する高リソース多言語表現から派生したヌルスペースプロジェクションで各指紋を注入し、指紋言語の表現部分空間への重み更新を操縦する言語横断アライメントステップによって強化する。
この構造認識注入により、更新が言語的に通知され、したがってより安定したものとなる。
不受容性、検出可能性、無害性に関する広範囲な評価は、実用性に無視できない影響を伴う永続的な所有権の検証を示す。
関連論文リスト
- Efficient, Robust, and Anti-Collusion Fingerprinting of Image Diffusion Models [99.66311024852651]
既存のモデルフィンガープリント法では、衝突攻撃に対する堅牢性が欠如している。
本稿では,抗凝固能を有するT2Iモデルに対するロバストフィンガープリント手法を提案する。
本手法は,複数のT2I画像生成および編集タスクにおいて,指紋抽出精度99.5%を超える高い忠実度と堅牢性を実現する。
論文 参考訳（メタデータ） (2026-06-11T07:12:13Z) - Prompt2Fingerprint: Plug-and-Play LLM Fingerprinting via Text-to-Weight Generation [46.76055970078189]
本稿では,指紋認証を条件パラメータ生成タスクとして再構成するフレームワークであるPrompt2Fingerprintを提案する。
特殊なジェネレータを利用することで、P2Fはテキスト記述を直接低ランクパラメータインクリメントにマッピングする。
実験の結果,P2Fは高い指紋精度,無害性,堅牢性を保ちながら,計算オーバーヘッドを著しく低減することがわかった。
論文 参考訳（メタデータ） (2026-05-18T14:30:32Z) - A Behavioral Fingerprint for Large Language Models: Provenance Tracking via Refusal Vectors [43.11304710234668]
安全アライメントによって引き起こされる行動パターンを活用する新しいフィンガープリントフレームワークを提案する。
76の子孫モデルを対象とした大規模識別タスクにおいて,本手法は正しいモデル群を同定する際の精度を100%向上する。
本稿では,このプライベートフィンガープリントを,公開で検証可能なプライバシー保護アーティファクトに変換するための理論的枠組みを提案する。
論文 参考訳（メタデータ） (2026-02-10T05:57:35Z) - MaDiS: Taming Masked Diffusion Language Models for Sign Language Generation [78.75809158246723]
本稿では,SLGのためのマスク付き拡散型言語モデルであるMaDiSについて述べる。
また,トークン・ラテント・ヘアリング・3次元空間の目的から共同で学習する3段階のクロスモーダル事前学習手法を導入する。
MaDiSはDTWエラーと新たに導入された2つのメトリクスであるSiBLEUとSiCLIPを含む複数のメトリクスで優れたパフォーマンスを実現し、推論レイテンシを30%近く削減している。
論文 参考訳（メタデータ） (2026-01-27T13:06:47Z) - STEAD: Robust Provably Secure Linguistic Steganography with Diffusion Language Model [71.35577462669856]
拡散言語モデル(DLM)を用いた頑健で確実な言語ステガノグラフィーを提案する。
ステガノグラフ抽出中に擬似ランダム誤り訂正や近傍探索補正を含む誤り訂正戦略を導入する。
論文 参考訳（メタデータ） (2026-01-21T08:58:12Z) - DNF: Dual-Layer Nested Fingerprinting for Large Language Model Intellectual Property Protection [21.422855789542695]
暗黙的な意味的トリガーとドメイン固有のスタイル的手がかりを結合することにより,階層的なバックドアを埋め込むブラックボックス手法を提案する。
Mistral-7B、LLaMA-3-8B-インストラクト、Falcon3-7B-インストラクトを通して、DNFは下流のユーティリティを保ちながら完璧な指紋活性化を実現する。
論文 参考訳（メタデータ） (2026-01-13T05:05:37Z) - SeedPrints: Fingerprints Can Even Tell Which Seed Your Large Language Model Was Trained From [65.75182441010327]
我々は,LDMフィンガープリントのより強く,より本質的な概念であるSeedPrintsを提案する。
トレーニングされていないモデルでは,パラメータのみに依存した再現可能なトークン選択バイアスが示される。
LLaMAスタイルとQwenスタイルのモデルの実験では、SeedPrintsはシードレベルの識別性を実現し、バイオメトリック指紋に似た生来からライフサイクルの識別認証を提供する。
論文 参考訳（メタデータ） (2025-09-30T15:34:08Z) - From Injection to Defense: Constructing Edit-Based Fingerprints for Large Language Models [28.393476667026523]
本稿では,ルールベースの多言語自然言語指紋(MNLF)を組み込んだ知識編集フレームワークRFEditを提案する。
RFEditはFingerprint Subspace-aware Fine-Tuning (FSFT)によって保護されている。
論文 参考訳（メタデータ） (2025-09-03T08:22:04Z) - ImF: Implicit Fingerprint for Large Language Models [14.580290415247385]
我々は,ジェネレーション・リビジョン・インターベンション(GRI)攻撃という新たな敵攻撃を導入する。
GRIは、現在のフィンガープリント手法のセマンティックな脆弱性を利用して、事実上指紋を消去する。
Inlicit Fingerprints (ImF) と呼ばれる新しいモデル指紋パラダイムを提案する。
論文 参考訳（メタデータ） (2025-03-25T05:47:34Z) - Scalable Fingerprinting of Large Language Models [42.65365809809273]
我々はPerinucleus sampleと呼ばれる新しい手法を導入し、スケーラブルで永続的で無害な指紋を生成する。
この手法により,Llama-3.1-8Bモデルに24,576個の指紋を付加できることを示した。
論文 参考訳（メタデータ） (2025-02-11T18:43:07Z) - Latent Fingerprint Registration via Matching Densely Sampled Points [100.53031290339483]
既存の潜伏指紋登録手法は、主にミツバチ間の対応を確立することに基づいている。
本研究では,一対の指紋間の空間的変換を推定する,最小限の潜伏指紋登録手法を提案する。
提案手法は,特に挑戦的な条件下で,最先端の登録性能を実現する。
論文 参考訳（メタデータ） (2020-05-12T15:51:59Z)
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。