論文の概要: AuxMark: Defending Against Unauthorized Agent Distillation via Auxiliary Behavioral Watermarking

• arxiv url: http://arxiv.org/abs/2609.34597v1
• Date: Mon, 28 Sep 2026 08:32:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 12:03:29.445768
• Title: AuxMark: Defending Against Unauthorized Agent Distillation via Auxiliary Behavioral Watermarking
• Title（参考訳）: AuxMark: 補助行動透かしによる不正なエージェント蒸留に対する防御
• Abstract要約: AuxMarkは、許可されていないエージェントの蒸留をトレースするための振る舞いの透かしフレームワークである。 モデルレベルの検出とトレースレベルの属性の両方をサポートする。 48個の清潔なモデルに対して、偽陽性ゼロの24種類の蒸留モデルすべてを検出する。
• 参考スコア（独自算出の注目度）: 18.461438789101063
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Large language model agents can acquire complex capabilities through multi-step interaction and tool use, but their trajectories can also be illegally collected to dis- till student agents. However, existing watermarking methods either do not fit the structured and interactive nature of agent environments or lack reliable effective- ness across tasks and model architectures. We introduce AuxMark, a behavioral watermarking framework for tracing unauthorized agent distillation. AuxMark dynamically inserts safe, non-essential auxiliary action into teacher trajectories, and stores the associated contexts as private evidence cards. To audit a suspicious student model, AuxMark constructs paired real and fake probes from these cards and applies a card-level sign test. This black-box protocol supports both model- level detection and trace-level attribution. Across three agent benchmarks, two teacher agents, and four student architectures, AuxMark detects all 24 distilled models with zero false positives on 48 clean models. It also preserves task utility and remains effective against data flooding, paraphrasing, truncation, and adaptive cleaning attacks. Our code will be released at this URL.
• Abstract（参考訳）: 大規模言語モデルエージェントは、多段階の相互作用とツールの使用によって複雑な能力を得ることができるが、その軌道は、学生エージェントが退学するまで違法に収集することもできる。 しかし、既存の透かし手法はエージェント環境の構造的・インタラクティブな性質に合わないか、あるいはタスクやモデルアーキテクチャ間の信頼性に欠ける。 AuxMarkは、不正なエージェント蒸留をトレースする振る舞いの透かしフレームワークである。 AuxMarkは、教師の軌跡に安全で非必要補助的なアクションを動的に挿入し、関連するコンテキストをプライベートエビデンスカードとして格納する。 疑わしい学生モデルを評価するために、AuxMarkはこれらのカードからペア化された実と偽のプローブを構築し、カードレベルのサインテストを適用する。 このブラックボックスプロトコルはモデルレベルの検出とトレースレベルの属性の両方をサポートしている。 3つのエージェントベンチマーク、2つの教師エージェント、4つの学生アーキテクチャで、AuxMarkは48のクリーンモデルに対して偽陽性の24の蒸留モデルすべてを検出する。 また、タスクユーティリティを保持し、データ洪水、パラフレージング、トランケーション、適応的なクリーニング攻撃に対して有効である。 私たちのコードは、このURLでリリースされます。

関連論文リスト

• DenMark: Robust Semantic Watermarking for Diffusion Language Models [56.836684262732994]
  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。
  論文  参考訳（メタデータ） (2026-09-13T03:37:48Z)
• DuCodeMark: Dual-Purpose Code Dataset Watermarking via Style-Aware Watermark-Poison Design [18.636650706356008]
  我々は、コードデータセットのステルスで堅牢な二重目的透かし手法であるDuCodeMarkを提案する。 DuCodeMarkは各コードサンプルを抽象構文木(AST)に解析し、ステルスなトリガーとターゲットのペアを構築するために言語固有のスタイル変換を適用する。 2つのコードタスク、2つのプログラミング言語、3つのコードLM、6つのデコード温度にまたがる72設定のDuCodeMarkを包括的に評価する。
  論文  参考訳（メタデータ） (2026-04-12T12:32:38Z)
• 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)
• Unified attacks to large language model watermarks: spoofing and scrubbing in unauthorized knowledge distillation [33.394877468499395]
  非許可の知識蒸留における双方向攻撃を可能にする統合フレームワークとして,コントラスト復号型知識蒸留(CDG-KD)を提案する。 提案手法では, 学生モデルと弱透かし参照の出力を比較して, 劣化あるいは増幅された透かしテキストを抽出するために, コントラスト復号を用いる。 本研究は, 頑丈で鍛造不可能な透かし方式の開発において, 重要な必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-04-24T12:15:46Z)
• Can LLM Watermarks Robustly Prevent Unauthorized Knowledge Distillation? [75.99961894619986]
  本稿では,学生モデルが知識蒸留により,透かしの継承を回避しつつ,教師モデルの能力を獲得することができるかどうかを考察する。 本稿では,未ターゲットおよび目標とするトレーニングデータパラフレージング(UP,TP)による蒸留前除去と,推論時透かし中和(WN)による蒸留後除去の2つのカテゴリを提案する。
  論文  参考訳（メタデータ） (2025-02-17T09:34:19Z)
• ClearMark: Intuitive and Robust Model Watermarking via Transposed Model Training [50.77001916246691]
  本稿では,人間の直感的な評価を目的とした最初のDNN透かし手法であるClearMarkを紹介する。 ClearMarkは目に見える透かしを埋め込んで、厳格な値閾値なしで人間の意思決定を可能にする。 8,544ビットの透かし容量は、現存する最強の作品に匹敵する。
  論文  参考訳（メタデータ） (2023-10-25T08:16:55Z)
• Did You Train on My Dataset? Towards Public Dataset Protection with Clean-Label Backdoor Watermarking [54.40184736491652]
  本稿では,公開データの保護のための一般的な枠組みとして機能するバックドアベースの透かし手法を提案する。 データセットに少数の透かしサンプルを挿入することにより、我々のアプローチは、ディフェンダーが設定した秘密関数を暗黙的に学習することを可能にする。 この隠れた機能は、データセットを違法に使用するサードパーティモデルを追跡するための透かしとして使用できる。
  論文  参考訳（メタデータ） (2023-03-20T21:54:30Z)

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。