論文の概要: SemTrace: Source-Grounded Semantic Signatures for Tracing LLM Exposure to Protected Documents

• arxiv url: http://arxiv.org/abs/2608.29575v1
• Date: Sun, 30 Aug 2026 05:41:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.000239
• Title: SemTrace: Source-Grounded Semantic Signatures for Tracing LLM Exposure to Protected Documents
• Title（参考訳）: SemTrace: 保護された文書へのLDM露光を追跡するためのソースを囲むセマンティックシグナチャ
• Abstract要約: SemTraceは、生成されたレビューが保護された原稿コピーの影響を受けているかどうかを検出するための、ソースグラウンドのセマンティックな透かしである。 保護されたPDFは、視覚的に各バイナリペアから1つの事実を選択し、それらの事実を固定されたレビュースロットで表現するよう指示フォローするレビュアーに要求するコンテンツ契約を伝達する。 凍結した自然言語推論モデルは、結果のセマンティックエビデンスを明示的な消去でデコードし、そのコピーに割り当てられたコードワードに対して回復したビットをスコアする。
• 参考スコア（独自算出の注目度）: 33.910177895525095
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models are increasingly used to read documents and produce downstream text, creating a provenance problem when the document owner cannot control or inspect the model that performs the generation. We introduce SemTrace, a source-grounded semantic watermark for detecting whether a generated review was influenced by a known protected manuscript copy. Rather than biasing token probabilities or imposing surface-form patterns, SemTrace constructs a document-specific binary signature from factual propositions that are directly supported by the manuscript itself. A protected PDF invisibly carries a content contract that selects one fact from each binary pair and asks an instruction-following reviewer to express those facts in fixed review slots without changing its independent evaluation. A frozen natural language inference model then decodes the resulting semantic evidence with explicit erasures and scores the recovered bits against the codeword assigned to that copy. This design targets model-agnostic, assigned-copy exposure detection while keeping the watermark semantically tied to the source document.
• Abstract（参考訳）: 大規模言語モデルは文書を読み書きし、下流のテキストを生成するのにますます使われており、文書所有者が生成を実行するモデルを制御または検査できない場合、証明の問題が発生する。 SemTraceは、生成したレビューが既知の保護された原稿のコピーに影響されたかどうかを検出するための、ソースグラウンドのセマンティックな透かしである。 SemTraceは、トークンの確率をバイアスしたり、表面形状パターンを指示したりする代わりに、文書固有のバイナリシグネチャを、原稿自体が直接サポートする事実命題から構築する。 保護されたPDFは、各バイナリペアから1つの事実を選択して、独立した評価を変更することなく、それらの事実を固定されたレビュースロットで表現するよう指示追従レビュアーに要求するコンテンツ契約を不可視的に保持する。 凍結した自然言語推論モデルは、結果のセマンティックエビデンスを明示的な消去でデコードし、そのコピーに割り当てられたコードワードに対して回復したビットをスコアする。 この設計は、ソース文書に意味的に結びついている透かしを保ちながら、モデルに依存しない、割り当てられたコピー露光検出をターゲットにしている。

関連論文リスト

• WoE Wrote It? Watermarking Mixture-of-Experts LLMs for Black-Box Text Provenance [14.891975420982504]
  我々は,新しいブラックボックステキスト証明法であるWatermarking of Experts (WoE)を紹介する。 WoEは特定の専門家の語彙をバイアスし、ウォーターマーク信号を強制できない推論ラッパーから切り離す。 疑似テキストからの透かし検出に成功し、8つのMoEモデル間でWoEを評価した。
  論文  参考訳（メタデータ） (2026-08-29T08:57:06Z)
• Tracing Provenance and Detecting Tampering with Complementary LLM Watermarks [68.64050157343334]
  既存の透かしは編集の際は残されているが、このような堅牢性は、敵が帰属を維持しながら重要な内容を変更することを可能にする。 実証と改ざんの証拠を共同で提供する革新的な透かしを導入する。 信号は同じメカニズムを共有するが、独立キーと正規化テキスト上の異なるシードウィンドウを使用するため、一方は編集に耐性があり、もう一方は読み取り可能な変更に敏感である。
  論文  参考訳（メタデータ） (2026-08-13T01:55:16Z)
• Selective Disclosure Watermarking for Large Language Models [16.579884795891754]
  埋め込みメタデータの選択的開示を可能にする透かしフレームワークである階層語彙ルーティング(HeRo)を提案する。 提案手法は, サンプリングプロセスの非偏りを保ち, テキストの品質を維持できることを示す。
  論文  参考訳（メタデータ） (2026-07-06T17:32:01Z)
• SWAN: Semantic Watermarking with Abstract Meaning Representation [61.15962841972814]
  SWAN(Semantic Watermarking with Abstract Meaning Representation)は、文の意味構造に透かしシグネチャを埋め込む新しいフレームワークである。 シグネチャはセマンティック構造レベルでエンコードされるので、意味を保存するあらゆるパラフレーズはシグネチャを自動的に保存する。
  論文  参考訳（メタデータ） (2026-05-05T21:13:30Z)
• Unforgeable Watermarks for Language Models via Robust Signatures [12.643204293013007]
  非鍛造性と回復性という2つの新しい保証を導入する。 我々は、堅牢で、鍛造不可能で、回収可能な最初の検出不能な透かし方式を構築した。
  論文  参考訳（メタデータ） (2026-02-17T03:09:06Z)
• MerkleSpeech: Public-Key Verifiable, Chunk-Localised Speech Provenance via Perceptual Fingerprints and Merkle Commitments [0.0]
  本稿では,公開鍵検証・チャンク局所音声認識システムであるMerkleSpeechを提案する。 このシステムは、短い音声チャンク上で知覚指紋を計算し、それを発行キーで署名されたMerkleツリーにコミットする。 我々は,再サンプリング,帯域通過フィルタ,付加雑音下での極めて低い偽陽性率を目標とした実験を行った。
  論文  参考訳（メタデータ） (2026-02-10T11:58:19Z)
• 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)
• Protecting De-identified Documents from Search-based Linkage Attacks [4.065664902103571]
  本稿では,テキストの意味的整合性を保ちながら,検索に基づくリンク攻撃に対抗する手法を提案する。 判例の収集実験の結果,本手法は,オリジナルコンテンツに忠実なまま,検索に基づくリンクを効果的に防止できることを示した。
  論文  参考訳（メタデータ） (2025-10-07T19:02:21Z)
• Unsupervised Pretraining for Fact Verification by Language Model Distillation [4.504050940874427]
  SFAVEL (Self-supervised Fact Verification via Language Model Distillation) は,教師なし事前学習フレームワークである。 アノテーションを必要とせずに、自己管理機能を高品質なクレーム-ファクトアライメントに分解する。 これは、特徴が高品質なクレームとエビデンスアライメントを達成することを奨励する、新しい対照的な損失関数によって実現されている。
  論文  参考訳（メタデータ） (2023-09-28T15:53:44Z)
• Tracing Text Provenance via Context-Aware Lexical Substitution [81.49359106648735]
  文脈を考慮した語彙置換に基づく自然言語透かし方式を提案する。 主観的および主観的尺度の両面において,我々の透かし方式は原文の意味的整合性を十分に維持することができる。
  論文  参考訳（メタデータ） (2021-12-15T04:27:33Z)
• A Token-level Reference-free Hallucination Detection Benchmark for Free-form Text Generation [50.55448707570669]
  本稿ではトークンレベルの参照なし幻覚検出タスクとHaDesというアノテーション付きデータセットを提案する。 このデータセットを作成するために、まず英語のウィキペディアから抽出された大量のテキストセグメントを摂り込み、それからクラウドソースアノテーションで検証する。
  論文  参考訳（メタデータ） (2021-04-18T04:09:48Z)
• Evidence-Aware Inferential Text Generation with Vector Quantised Variational AutoEncoder [104.25716317141321]
  本稿では,大規模なテキストコーパスからイベントの証拠を自動的に発見し,その証拠を利用して推論テキストの生成を導く手法を提案する。 このアプローチは、Event2MindとATOMICの両方のデータセットで最先端のパフォーマンスを提供します。
  論文  参考訳（メタデータ） (2020-06-15T02:59:52Z)

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。