論文の概要: CertMark: Distortion-Free Multi-Bit Watermarking with Certified Decoding
- arxiv url: http://arxiv.org/abs/2609.33332v1
- Date: Sun, 27 Sep 2026 08:02:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 01:05:52.452329
- Title: CertMark: Distortion-Free Multi-Bit Watermarking with Certified Decoding
- Title（参考訳）: CertMark: Certified Decodingによる歪みのないマルチビット透かし
- Abstract要約: 本稿では,分散保存型マルチビット透かしであるCertMarkを紹介した。
確率を変更する代わりに、CertMarkは埋め込みメッセージを使用して正確なGumbel-maxサンプルをシードする。
モデルに依存しない,テキストのみのデコーダとモデル対応の2種類のデコーダを提案する。
- 参考スコア（独自算出の注目度）: 12.335697153382966
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Leading multi-bit watermarking methods for language models encode messages by biasing the model's next-token probabilities, creating a trade-off between message recovery and text quality. Their decoders typically return the highest-scoring candidate from accumulated token-level evidence, without a certified abstention rule that bounds the probability of outputting an incorrect message. We introduce CertMark, a distribution-preserving multi-bit watermark with certified decoding. Rather than modifying probabilities, CertMark uses the embedded message to seed an exact Gumbel-max sampler, thereby preserving the model's original sampling distribution. We propose two scalable decoders: a model-agnostic, text-only decoder and a model-aware variant that leverages the original next-token distributions for stronger recovery. Both support certified abstention with mathematical bounds on the probability of returning an incorrect message. Across text completion, summarization, and story generation, CertMark matches the perplexity of unwatermarked text while reliably recovering multi-bit messages. The model-aware decoder further achieves higher bit accuracy than probability-biasing baselines. Our code is publicly available at https://github.com/Batorskq/CertMark.
- Abstract（参考訳）: 言語モデルのマルチビット透かし手法は、モデルの次の確率を偏り、メッセージリカバリとテキスト品質のトレードオフを生み出すことによって、メッセージをエンコードする。
彼らのデコーダは一般的に、不正メッセージを出力する確率を制限した認証された棄権規則なしで、蓄積されたトークンレベルの証拠から最も高いスコアの候補を返します。
本稿では,分散保存型マルチビット透かしであるCertMarkを紹介した。
確率を変更する代わりに、CertMarkは埋め込みメッセージを使用して正確なGumbel-maxサンプルをシードし、モデルのオリジナルのサンプリング分布を保存する。
モデルに依存しない,テキストのみのデコーダと,元の次点分布を利用したモデル対応のデコーダという2つの拡張性のあるデコーダを提案する。
どちらのサポートも、誤ったメッセージを返す確率に関する数学的境界を持つ、保証された棄権を保証している。
テキストの補完,要約,ストーリ生成などを通じて,CertMarkは,マルチビットメッセージを確実に回復しながら,非透かしテキストの難易度にマッチする。
モデル対応デコーダは、確率バイアスベースラインよりも高いビット精度を実現する。
私たちのコードはhttps://github.com/Batorskq/CertMarkで公開されています。
関連論文リスト
- DHMark: Public-Key Watermarking for LLM-Generated Text via Diffie-Hellman-Guided Rejection Sampling [3.785115615093019]
DHMarkは、大規模言語モデル(LLM)生成テキストのための公開鍵透かしフレームワークである。
生成中、ディフィー・ヘルマン誘導トークンラベルインターフェースは、各候補トークンに公開方程式投票を割り当てる。
第三者の検証者は、公開情報を使ってトークンの投票を抽出し、それらを方程式レベルの証拠に集約し、署名された登録記録のみをスコアする。
論文 参考訳（メタデータ） (2026-08-04T04:08:40Z) - QuantileMark: A Message-Symmetric Multi-bit Watermark for LLMs [43.011999511057134]
QuantileMarkは、メッセージを累積確率間隔内に埋め込むホワイトボックスの透かしである。
この間隔を$M$等質量ビンに分割し、ターゲットシンボルに割り当てられたビンから厳密にサンプリングする。
検出のために、検証者は教師の強制の下で同じ分割を再構築し、潜伏したビンの後方を計算し、検証の証拠を集計する。
論文 参考訳（メタデータ） (2026-04-15T12:22:40Z) - XMark: Reliable Multi-Bit Watermarking for LLM-Generated Texts [11.826762642822219]
textscXMarkは、LLM(Large Language Model)で生成されたテキストでバイナリメッセージをエンコードしデコードするための新しい方法である。
textscXMarkは、透かし付きテキストの品質を維持しながらデコード精度を著しく改善し、従来の方法よりも優れている。
論文 参考訳（メタデータ） (2026-04-06T23:08:01Z) - MC$^2$Mark: Distortion-Free Multi-Bit Watermarking for Long Messages [62.982950935139534]
マルチビット透かしは、識別子を生成されたテキストに埋め込むことができるが、既存の方法は、長いメッセージを送りながらテキストの品質と透かしの強さを維持するのに苦労している。
本稿では,長文の埋め込みと復号化のための歪みのないマルチビット透かしフレームワークMC$2$Markを提案する。
論文 参考訳（メタデータ） (2026-02-15T07:29:06Z) - Majority Bit-Aware Watermarking For Large Language Models [7.200910949076064]
MajorMarkは、多数ビット認識エンコーディングによるこのトレードオフを改善する新しい透かし手法である。
トークン周波数分析を利用した復号化手法とは対照的に、MajorMarkはクラスタリングベースの復号化戦略を採用している。
我々の手法は復号精度とテキスト生成品質の両方を著しく向上させる。
論文 参考訳（メタデータ） (2025-08-05T18:19:00Z) - Improved Unbiased Watermark for Large Language Models [59.00698153097887]
本稿では,非バイアスのマルチチャネル型透かしであるMCmarkを紹介する。
MCmarkは言語モデルの本来の分布を保存する。
既存の非バイアスの透かしよりも検出性と堅牢性を大幅に改善する。
論文 参考訳（メタデータ） (2025-02-16T21:02:36Z) - A Watermark for Large Language Models [84.95327142027183]
本稿では,プロプライエタリな言語モデルのための透かしフレームワークを提案する。
透かしはテキストの品質に無視できない影響で埋め込むことができる。
言語モデルAPIやパラメータにアクセスすることなく、効率的なオープンソースアルゴリズムを使って検出することができる。
論文 参考訳（メタデータ） (2023-01-24T18:52:59Z)
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。