論文の概要: TrajMark: Ownership Attribution and Segment-Level Tamper Localization for Coding-Agent Trajectories
- arxiv url: http://arxiv.org/abs/2609.10416v1
- Date: Wed, 09 Sep 2026 16:33:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:09.112623
- Title: TrajMark: Ownership Attribution and Segment-Level Tamper Localization for Coding-Agent Trajectories
- Title（参考訳）: TrajMark: コーディング・エージェント・トラジェクトリのためのオーナシップ属性とセグメンション・レベル・タンパーのローカライゼーション
- Abstract要約: TrajMarkはトレーニングフリー、対称キー、可視性のみの軌跡透かしフレームワークである。
これは、堅牢なオーナシップの属性と、脆弱な局所的整合性検証を分離する。
評価済みの全フルウォーターマークバッチで、正確な所有者を復元する。
- 参考スコア（独自算出の注目度）: 6.234219482022044
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Watermarking the final patch produced by a coding agent provides provenance evidence for the submitted artifact, but does not authenticate the visible process that produced it. Behavioral watermarking methods primarily provide a global detection or identifier-recovery signal, so a locally edited trajectory may retain sufficient ownership evidence without revealing which protected region has become inconsistent. To address this limitation, we propose TrajMark, a training-free, symmetric-key, visible-only trajectory watermarking framework that separates robust ownership attribution from fragile local integrity verification. Our framework consists of two complementary layers: a sparse owner layer that encodes a six-bit deployment identifier by rewriting a keyed subset of naturally occurring READ actions into masked linear equations, and a localization layer that inserts linked Q12 ordinary, group, and terminal seals to commit to protected critical-action segments. This separation allows ownership evidence to accumulate robustly across trajectories, while local modifications perturb nearby keyed commitments and expose the affected protocol region. We further provide a design-level analysis of owner recoverability, integrity collision probability, structural overhead, and localization behavior. Across three coding-agent frameworks and three LLMs, TrajMark recovers the exact owner in all evaluated clean full-watermark batches. Under exhaustive eligible single-site attacks it detects 95.5%-100% of edits, and under random single-action corruption it localizes 95.8% of modified sites to an accepted protocol region rather than to the individual action. Owner marking adds no trajectory actions; the integrity layer adds explicit read-only seals, and matched Pass@1 is 26.9% versus 26.3% for unwatermarked runs.
- Abstract（参考訳）: コーディングエージェントによって生成された最終パッチの透かしは、提出されたアーティファクトの証明証拠を提供するが、それを生成した可視的プロセスを認証しない。
行動的透かし法は、主にグローバルな検出または識別子の回復信号を提供するため、局所的に編集された軌道は、どの保護された領域が矛盾したかを明らかにすることなく、十分な所有権の証拠を保持することができる。
この制限に対処するために、TrajMarkを提案する。TrajMarkはトレーニングなし、対称キー、可視性のみのトラジェクトリ・ウォーターマーキングフレームワークで、堅牢なオーナシップ属性と脆弱な局所的完全性検証を分離する。
本フレームワークは,自然発生のREADアクションの鍵となるサブセットをマスク線形方程式に書き換えることで,6ビット配置識別子を符号化するスパースオーナ層と,Q12正規化,グループ,終端シールを挿入して保護されたクリティカルアクションセグメントにコミットするローカライゼーション層とから構成される。
この分離により、オーナシップのエビデンスをトラジェクトリ全体で堅牢に蓄積することができ、一方、局所的な変更は鍵付きコミットメントを乱し、影響を受けるプロトコル領域を露出する。
さらに, 所有者の回復可能性, 整合性衝突確率, 構造的オーバーヘッド, 局所化挙動を設計レベルで解析する。
3つのコーディングエージェントフレームワークと3つのLLMで、TrijMarkは、すべての評価済みフルウォーターマークバッチで正確なオーナを復元する。
完全な単一サイト攻撃の下では、95.5%-100%の編集を検知し、ランダムな単一アクションの汚職の下では、修正されたサイトの95.8%を個々のアクションではなく、受け入れられたプロトコル領域にローカライズする。
整合性層は明示的な読み取り専用シールを追加し、一致したPass@1は26.9%対26.3%である。
関連論文リスト
- Privacy-Preserving Topology-Guided Safety for LLM-Based Multi-Agent Systems via Federated Graph Learning [67.04448659688579]
FGLGuardは、AgentDojoのグランドサクセスレートを、ほぼ無防備なユーティリティ、APIコストゼロ、無視可能な機能損失で43%削減する。
フェデレーションはオプションではなく、オフ・ザ・シェルフ・トランスファーは流通シフトによって崩壊する。
Live FGLGuardは、AgentDojoのグランドサクセスレートを、ほぼ無防備なユーティリティ、APIコストゼロ、無視可能な機能損失で43%削減する。
論文 参考訳（メタデータ） (2026-09-02T07:57:12Z) - 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) - RedAct: Redacting Agent Capability Traces for Procedural Skill Protection [6.305785618804429]
実行トレースには、ツールの実行、中間決定、エラー回復ロジックなど、手続きの詳細が豊富に含まれている。
この詳細はプライベートな手続きスキルを公開して、ダウンストリームメソッドがモデルウェイトやスキルファイルにアクセスせずに、重要な公式、しきい値、戦略を復元することを可能にする。
我々は,保護キー情報をローカライズする保護されたトレースリリースフレームワークであるRedActを紹介する。
論文 参考訳（メタデータ） (2026-06-09T12:57:50Z) - Sequential Behavioral Watermarking for LLM Agents [6.193603972930103]
LLMベースのエージェントは実行可能決定のシーケンスを通じて作用するが、その軌道はどのエージェントやポリシーが生成したかの証拠はほとんど得られない。
これにより、生成されたテキストにのみ埋め込まれるのではなく、エージェントの振る舞いに直接埋め込まれた透かし信号が動機付けられる。
本稿では、履歴条件の遷移パターンに信号を埋め込むシーケンシャルな行動透かしフレームワークSeqWMを提案する。
論文 参考訳（メタデータ） (2026-05-11T02:28:34Z) - All in One: Unifying Deepfake Detection, Tampering Localization, and Source Tracing with a Robust Landmark-Identity Watermark [25.001768538619558]
悪意ある顔操作は、個人のプライバシーと社会保障に重大な脅威をもたらす。
既存のプロアクティブな法医学的手法は、ディープフェイクの検出、ローカライゼーションの改ざん、ソーストレースを独立したタスクとして扱う。
本稿では,これら3つの中核課題に共同で対処する一貫した前立腺科学フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-26T21:57:15Z) - 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) - StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models [55.05404953041403]
拡散生成プロセスにバイナリ透かしをシームレスに統合する新しいフレームワークを提案する。
画像の忠実さ、透かしの検証、ローカライゼーションの改ざんにおいて、StableGuardは一貫して最先端の手法より優れていることを示す。
論文 参考訳（メタデータ） (2025-09-22T16:35:19Z) - Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Reasoning [58.57194301645823]
大規模言語モデル(LLM)は、現実のパーソナライズされたアプリケーションにますます統合されている。
RAGで使用される知識基盤の貴重かつしばしばプロプライエタリな性質は、敵による不正使用のリスクをもたらす。
これらの知識基盤を保護するための透かし技術として一般化できる既存の方法は、一般的に毒やバックドア攻撃を含む。
我々は、無害な」知識基盤の著作権保護の名称を提案する。
論文 参考訳（メタデータ） (2025-02-10T09:15:56Z) - Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳（メタデータ） (2024-05-01T12:03:39Z) - Cycle Label-Consistent Networks for Unsupervised Domain Adaptation [57.29464116557734]
ドメイン適応は、ラベル付きソースドメインを活用して、異なる分布を持つラベル付きターゲットドメインの分類子を学ぶことを目的としています。
本稿では,分類ラベルのサイクル整合性を利用して,シンプルで効率的な領域適応手法,すなわちCycle Label-Consistent Network (CLCN)を提案する。
MNIST-USPS-SVHN, Office-31, Office-Home, Image CLEF-DAベンチマークに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2022-05-27T13:09:08Z)
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。