Fugu-MT 論文翻訳(概要): DenMark: Robust Semantic Watermarking for Diffusion Language Models

論文の概要: DenMark: Robust Semantic Watermarking for Diffusion Language Models

arxiv url: http://arxiv.org/abs/2609.14257v1
Date: Sun, 13 Sep 2026 03:37:48 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 12:40:38.826291
Title: DenMark: Robust Semantic Watermarking for Diffusion Language Models
Title（参考訳）: DenMark: 拡散言語モデルのためのロバストなセマンティックな透かし
Abstract要約: DenMarkは拡散言語モデル(DLM)のセマンティックな透かしフレームワークである鍵依存的な信号をDLM復調プロセスに直接注入する。出力を固定トークン領域に分割し、一時ロールアウトをセマンティックルックヘッドとして使用する。検出のために、DenMarkは、セマンティックアタックによって導入されたバウンダリシフトに対する堅牢性を維持するために、候補ユニットサイズをキャリブレーションしたスキャンを使用する。
参考スコア（独自算出の注目度）: 56.836684262732994
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Semantic text watermarks encode signals in meaning rather than surface token choices, offering robustness to paraphrasing and other semantic-preserving edits. Existing semantic watermarking methods are primarily designed for autoregressive language models (ARLMs), where completed candidate units can be generated and scored before generation proceeds. This paradigm does not naturally extend to diffusion language models (DLMs), where semantic units remain incomplete during intermediate denoising steps and tokens may be updated in flexible orders. We propose DenMark, a semantic watermarking framework that injects key-dependent signals directly into the DLM denoising process. DenMark partitions the output into fixed token regions and uses temporary rollouts as semantic lookahead: conditional completions estimate the eventual semantics of an incomplete region, enabling DenMark to select local updates with higher estimated semantic watermark scores. Repeating this procedure across denoising steps progressively accumulates watermark evidence in the final output. For detection, DenMark uses calibrated scanning over candidate unit sizes to remain robust to boundary shifts introduced by semantic attacks. Across four DLMs, three datasets, and four semantic attacks, DenMark achieves the best results across all reported detection metrics in all 48 backbone-dataset-attack combinations. These results demonstrate that DenMark provides an effective mechanism for robust semantic watermarking in DLMs.
Abstract（参考訳）: Semantic text watermarks encode signal in meaning than surface token choices, offered robustness to paraphrasing and other semantic-serving editings。既存の意味的透かし法は主に自己回帰言語モデル(ARLM)のために設計されており、生成前に完了した候補単位を生成してスコア付けすることができる。このパラダイムは自然に拡散言語モデル (DLM) に拡張されないが、中間段階の段階で意味単位が不完全なままであり、トークンはフレキシブルな順序で更新される。本稿では,鍵依存型信号をDLM復調プロセスに直接注入する意味的透かしフレームワークであるDenMarkを提案する。 DenMarkは、出力を固定トークン領域に分割し、一時ロールアウトをセマンティックルックヘッドとして使用する。条件付き完了は、不完全な領域の最終的なセマンティクスを推定する。この手順を段階的に繰り返すと、最終的な出力に透かしの証拠が徐々に蓄積される。検出のために、DenMarkは、セマンティックアタックによって導入されたバウンダリシフトに対する堅牢性を維持するために、候補ユニットサイズをキャリブレーションしたスキャンを使用する。 4つのDLM、3つのデータセット、4つのセマンティックアタックにまたがって、DenMarkは48のバックボーン-データセット-アタックの組み合わせすべてにおいて、報告されたすべての検出指標の最高の結果を達成する。これらの結果は、DenMarkがDLMにおけるロバストなセマンティックな透かしに有効なメカニズムを提供することを示している。

関連論文リスト

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)
dgMARK: Decoding-Guided Watermarking for Diffusion Language Models [5.43345665278304]
dgMARKは離散拡散言語モデルのための復号誘導型透かし法である。 dgMARKは、逆候補トークンが単純なパリティ制約を満たす位置に対して、偽りの順序を定めている。透かしはパリティマッチング統計によって検出される。
論文参考訳（メタデータ） (2026-01-30T13:51:20Z)
LR-DWM: Efficient Watermarking for Diffusion Language Models [40.70709965738489]
Diffusion Language Models (DLMs) は、非逐次反復記述によるテキストを生成する。近年の研究では、DLMを透かし、必要な時に処理を反転させることが提案されているが、計算やメモリのオーバーヘッドがかなり大きい。本稿では,左隣と右隣の両方に基づいて生成されたトークンをバイアスする左隣拡散透かし(LR-DWM)を導入する。
論文参考訳（メタデータ） (2026-01-18T12:08:51Z)
DMark: Order-Agnostic Watermarking for Diffusion Large Language Models [46.07844536066178]
拡散大言語モデル(dLLM)は、同等の品質を維持しながら、自己回帰モデルよりも高速な生成を提供する。 DMarkは、dLLM用に特別に設計された最初の透かしフレームワークである。
論文参考訳（メタデータ） (2025-10-03T11:14:16Z)
Watermarking Diffusion Language Models [9.515480957792542]
拡散言語モデル(DLM)に適した最初の透かしを導入する。これは、トークンを逐次生成する標準自己回帰言語モデル(ARLM)とは対照的に、任意の順序でトークンを生成できる創発的LLMパラダイムである。
論文参考訳（メタデータ） (2025-09-29T07:11:40Z)
SimMark: A Robust Sentence-Level Similarity-Based Watermarking Algorithm for Large Language Models [4.069844339028727]
SimMarkは、大規模言語モデル(LLM)のための堅牢な文レベルの透かしアルゴリズムである。検出可能な統計的パターンを組み込んでおり、ソフトカウント機構を採用している。我々は,LLM生成コンテンツのロバストな透かしのための新しいベンチマークをSimMarkが設定していることを示す。
論文参考訳（メタデータ） (2025-02-05T00:21:01Z)
PostMark: A Robust Blackbox Watermark for Large Language Models [56.63560134428716]
モジュール式ポストホックウォーターマーキング手法であるPostMarkを開発した。 PostMarkはロジットアクセスを必要としないため、サードパーティによって実装することができる。 PostMarkは既存のウォーターマーキング手法よりも,攻撃を言い換える方が堅牢であることを示す。
論文参考訳（メタデータ） (2024-06-20T17:27:14Z)
A Robust Semantics-based Watermark for Large Language Model against Paraphrasing [50.84892876636013]
大規模言語モデル(LLM)は、様々な自然言語処理において優れた能力を示している。 LLMは不適切にも違法にも使用できるという懸念がある。本稿ではセマンティクスに基づく透かしフレームワークSemaMarkを提案する。
論文参考訳（メタデータ） (2023-11-15T06:19:02Z)
A Resilient and Accessible Distribution-Preserving Watermark for Large Language Models [65.40460716619772]
本研究は,textbfDistribution-textbf Preserving (DiP)ウォーターマークの重要性に焦点をあてる。現在の戦略とは対照的に,提案したDiPmarkは透かし中に元のトークン分布を同時に保存する。言語モデルAPIにアクセスせずに検出可能で(アクセス可能)、トークンの適度な変更に対して確実に堅牢である。
論文参考訳（メタデータ） (2023-10-11T17:57:35Z)

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。