論文の概要: Fingerprinting Multimodal Large Language Models

• arxiv url: http://arxiv.org/abs/2609.20457v1
• Date: Thu, 17 Sep 2026 14:21:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.319639
• Title: Fingerprinting Multimodal Large Language Models
• Title（参考訳）: フィンガープリントによるマルチモーダル大言語モデル
• Abstract要約: 本研究は,マルチモーダルモデルフィンガープリントに関する最初の研究である。 自己注意がローパスフィルタとして機能するという最近の知見に触発されて,ホワイトボックス証明のためのAttnPrintを開発した。 また、MLLM出力の仮説テストを用いて潜在的なモデル侵害を識別するDistillTraceについても紹介する。
• 参考スコア（独自算出の注目度）: 27.96775704863484
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While multimodal large language models (MLLMs) enable a wide range of image-text reasoning tasks, recent incidents indicate that they are vulnerable to illicit deployment and unauthorized distillation. Existing solutions for model provenance are typically confounded by shared language backbones in MLLMs and struggle to detect violations of distillation. To bridge this gap and safeguard model ownership, we present the first study on multimodal model fingerprinting. Inspired by recent findings that self-attention acts as a low-pass filter and that its low-frequency components are informative, we develop AttnPrint for white-box provenance. Specifically, we extract cross-modal attention distributions and isolate their low-frequency components to serve as model fingerprints. To facilitate black-box auditing, we further introduce DistillTrace, which employs hypothesis testing of MLLM outputs to identify potential model infringement. We conduct extensive experiments on 154 model instances across 19 multimodal architectures. Notably, AttnPrint achieves strong derivative-model detection performance while remaining robust to five downstream modification techniques. DistillTrace also provides evidence of distillation relationships under three parameter-independent techniques.
• Abstract（参考訳）: MLLM(Multimodal large language model)は画像テキスト推論タスクを多用するが、最近の事例では不正な展開や無許可蒸留に弱いことが示されている。 モデル証明のための既存のソリューションは、一般的にMLLMの共有言語バックボーンによって構築され、蒸留の違反を検出するのに苦労する。 このギャップを埋め、モデル所有権を保護するために、我々はマルチモーダルモデルフィンガープリントに関する最初の研究を行う。 近年, 自己注意が低域フィルタとして機能し, 低周波成分が情報化されているという知見に触発されて, ホワイトボックス証明のための AttnPrint を開発した。 具体的には,クロスモーダルな注意分布を抽出し,その低周波成分を分離し,モデル指紋として機能する。 ブラックボックス監査を容易にするために,MLLM出力の仮説テストを用いて潜在的なモデル侵害を識別するDistillTraceを導入する。 我々は、19のマルチモーダルアーキテクチャにわたる154のモデルインスタンスについて広範な実験を行った。 特に、AttnPrintは、5つの下流修正技術に頑健でありながら、強力な微分モデル検出性能を達成する。 DistillTraceはまた、3つのパラメータ非依存技術の下での蒸留関係の証拠も提供する。

関連論文リスト

• Analyzing Diffusion and Autoregressive Vision Language Models in Multimodal Embedding Space [52.34072027212278]
  埋め込みモデルは、セマンティック検索や検索強化生成のような現代のAIシステムの基本コンポーネントである。 大規模基盤モデルの最近の進歩は、埋め込みモデルの開発を著しく加速させてきた。 マルチモーダルdLLMを埋め込みモデルに変換するための最初の体系的研究について述べる。
  論文  参考訳（メタデータ） (2026-01-19T06:51:15Z)
• PlaM: Training-Free Plateau-Guided Model Merging for Better Visual Grounding in MLLMs [59.78917775399492]
  マルチモーダル命令の微調整はパラドックス的にこのテキストの推論能力を低下させる。 この劣化を緩和するためのトレーニング不要のフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-12T15:27:51Z)
• SoK: Large Language Model Copyright Auditing via Fingerprinting [69.14570598973195]
  既存の手法をホワイトボックスとブラックボックスのアプローチに分類する統一的な枠組みと形式的な分類法を導入する。 現実的な展開シナリオ下でのLDMフィンガープリント評価のための最初の体系的ベンチマークであるLeaFBenchを提案する。
  論文  参考訳（メタデータ） (2025-08-27T12:56:57Z)
• Quantization Meets dLLMs: A Systematic Study of Post-training Quantization for Diffusion LLMs [78.09559830840595]
  本稿では拡散に基づく言語モデルの定量化に関する最初の体系的研究について述べる。 異常に大きなアクティベーション値によって特徴付けられるアクティベーションアウトリーチの存在を同定する。 我々は最先端のPTQ手法を実装し、包括的な評価を行う。
  論文  参考訳（メタデータ） (2025-08-20T17:59:51Z)
• Can Multi-modal (reasoning) LLMs work as deepfake detectors? [6.36797761822772]
  我々は、複数のデータセットにわたる従来のディープフェイク検出手法に対して、最新の12のマルチモーダルLCMをベンチマークする。 以上の結果から,最高のマルチモーダルLCMはゼロショットで有望な一般化能力を持つ競争性能を達成できることが示唆された。 本研究では,将来のディープフェイク検出フレームワークにマルチモーダル推論を統合する可能性を強調した。
  論文  参考訳（メタデータ） (2025-03-25T21:47:29Z)
• Multimodal Inconsistency Reasoning (MMIR): A New Benchmark for Multimodal Reasoning Models [26.17300490736624]
  MLLM(Multimodal Large Language Models)は、一貫した視覚・テキスト入力で主に訓練され、テストされる。 本稿では,MLLMの意味的ミスマッチの検出と推論能力を評価するためのマルチモーダル不整合推論ベンチマークを提案する。 我々は6つの最先端MLLMを評価し、o1のような専用マルチモーダル推論能力を持つモデルは、その性能を大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2025-02-22T01:52:37Z)
• Both Text and Images Leaked! A Systematic Analysis of Data Contamination in Multimodal LLM [53.05486269607166]
  マルチモーダルな大言語モデル (MLLM) はベンチマーク間で大幅に性能が向上した。 マルチモーダルデータ複雑性とマルチフェーズトレーニングのため,既存のLLM検出手法はMLLMでは不十分である。 我々は分析フレームワークMM-Detectを用いてマルチモーダルデータの汚染を分析する。
  論文  参考訳（メタデータ） (2024-11-06T10:44:15Z)

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。