論文の概要: Anchor-ECC: Local Integrity Checking for Watermarked LLM Outputs via Error-Correcting Codes

• arxiv url: http://arxiv.org/abs/2609.38722v1
• Date: Wed, 30 Sep 2026 00:56:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:26.931321
• Title: Anchor-ECC: Local Integrity Checking for Watermarked LLM Outputs via Error-Correcting Codes
• Title（参考訳）: Anchor-ECC: 誤り訂正コードによる透かしLDM出力の局所的積分性チェック
• Abstract要約: 本稿では,誤り訂正符号(ECC)制約と明示的な境界アンカーを透かし構造に組み込んだAnchor-ECCを提案する。 Qwen3-8B、Mistral-7B-Instruct-v0.3、OPT-125Mでは、約99.7%のブロックレベルの真の正のレート(TPR)が達成され、最大で7.6%の偽アラームレート(FAR)が検出できる。
• 参考スコア（独自算出の注目度）: 78.76894187376963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM watermarking has become an effective approach to distinguishing AI-generated text from human-written text by embedding detectable patterns during generation. However, a small post-generation edit may change the meaning of the text without removing its overall watermark signal, creating a risk that the modified content is still attributed to the original model. We propose Anchor-ECC, which incorporates the error-correcting code (ECC) constraints and explicit boundary anchors into the watermark structure and pairs them with a dynamic-programming decoder to detect and localize post-generation edits. Across Qwen3-8B, Mistral-7B-Instruct-v0.3, and OPT-125M, the approximate-hard setting achieves about 99.7% block-level true positive rate (TPR) with at most 7.6% false alarm rate (FAR) for edit detection under mixed insertions, deletions, and substitutions, while preserving the distinction between watermarked outputs and unwatermarked text. Additional quality experiments identify lower-perplexity configurations that retain strong edit-detection performance. Together, these results extend LLM watermarking from source identification to local integrity verification while supporting configurable trade-offs between detection reliability and generation quality.
• Abstract（参考訳）: LLMウォーターマーキングは、生成中に検出可能なパターンを埋め込むことで、AI生成したテキストと人書きテキストを区別する効果的なアプローチとなっている。 しかし、後の小さな編集では、全体的な透かし信号を取り除かずにテキストの意味を変更でき、修正されたコンテンツが元のモデルに帰属するリスクが生じる。 本稿では,エラー訂正符号(ECC)制約と明示的な境界アンカーを透かし構造に組み込んだAnchor-ECCを提案する。 Qwen3-8B、Mistral-7B-Instruct-v0.3、OPT-125Mでは、ウォーターマークされた出力と非ウォーターマークされたテキストの区別を保ちながら、混合挿入、削除、置換による検出を最大で7.6%の偽アラームレート(FAR)で約99.7%のブロックレベル真正レート(TPR)を達成する。 追加の品質実験では、強力な編集検出性能を保持する低いパープレキシティ構成が特定される。 これらの結果は、LLM透かしをソース識別から局所的整合性検証まで拡張するとともに、検出信頼性と生成品質のトレードオフの設定をサポートする。

関連論文リスト

• Watermarks Without Verification: AI Text Watermarking After the EU AI Act [49.51124343181601]
  EU AI法第50条では、生成可能なAIプロバイダに対して、システムが生成したコンテンツをマークし、AI生成として検出することを要求している。 Anthropicは、その日後にリリースされたすべてのClaudeモデルが、すべての生成されたテキストにSynthID-Textに基づく透かしを埋め込んでいることを公表した。 我々は、現在、異議や保証は確認できないし、この不信は、それ自体を透かしではなく、実質的なガバナンスの失敗であると論じている。
  論文  参考訳（メタデータ） (2026-09-09T01:56:17Z)
• 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)
• Detecting Post-generation Edits to Watermarked LLM Outputs via Combinatorial Watermarking [51.417096446156926]
  ウォーターマークされたLCM出力に局所的に編集されたポストジェネレーションの編集を検出する。 本稿では,語彙を部分集合に分割し,透かしを埋め込むパターンベースの透かしフレームワークを提案する。 本手法は,様々な編集シナリオにおけるオープンソースのLCMについて評価し,編集ローカライゼーションにおける強力な経験的性能を示す。
  論文  参考訳（メタデータ） (2025-10-02T03:33:12Z)
• TAG-WM: Tamper-Aware Generative Image Watermarking via Diffusion Inversion Sensitivity [76.98973481600002]
  本稿では,TAG-WMと命名されたタンパ認識画像ウォーターマーキング手法を提案する。 提案手法は、4つのキーモジュールからなる: 生成品質を保ちつつ、著作権と局所化の透かしを潜伏空間に埋め込むためのデュアルマークジョイントサンプリング (DMJS) アルゴリズム。 実験結果から,TAG-WMは歪み下においても,改質性および局所化能力の両面において最先端性能を達成できることが示された。
  論文  参考訳（メタデータ） (2025-06-30T03:14:07Z)
• StealthInk: A Multi-bit and Stealthy Watermark for Large Language Models [4.76514657698929]
  StealthInkは、大規模言語モデル(LLM)のためのステルスなマルチビット透かし方式である 元のテキスト配布を保存し、証明データの埋め込みを可能にする。 固定等誤り率で透かし検出に必要なトークン数に対する低い境界を導出する。
  論文  参考訳（メタデータ） (2025-06-05T18:37:38Z)
• DERMARK: A Dynamic, Efficient and Robust Multi-bit Watermark for Large Language Models [18.023143082876015]
  テキストを各ウォーターマークビットに対して可変長セグメントに分割する動的で効率的で堅牢なマルチビット透かし法を提案する。 本手法は,埋め込みビット当たりのトークン数を25%削減し,透かし埋め込み時間を50%削減し,テキスト修正や透かし消去攻撃に対して高い堅牢性を維持する。
  論文  参考訳（メタデータ） (2025-02-04T11:23:49Z)
• Signal Watermark on Large Language Models [28.711745671275477]
  本稿では,Large Language Models (LLMs) によるテキストに特定の透かしを埋め込む透かし手法を提案する。 この技術は、透かしが人間に見えないことを保証するだけでなく、モデル生成テキストの品質と文法的整合性も維持する。 提案手法は複数のLDMに対して実験的に検証され,高い検出精度を維持している。
  論文  参考訳（メタデータ） (2024-10-09T04:49:03Z)

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。