論文の概要: Forging LLM Authorship Fingerprints with Targeted Rewriting

• arxiv url: http://arxiv.org/abs/2609.38831v1
• Date: Wed, 30 Sep 2026 02:52:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.057635
• Title: Forging LLM Authorship Fingerprints with Targeted Rewriting
• Title（参考訳）: 目標書き直しによるLLMオーサリングフィンガープリントの鍛造
• Abstract要約: モデル属性分類器は、どの言語モデルがテキストを生成するかを特定することができる。 修正されていないテキストに対する正確な属性は、故意に書き直した後も、予測が元のソースを識別するかどうかを示すものではない。 我々は、異なるモデルが同じ文書を受け取り、同じ基盤となるコンテンツを表現している要約について研究する。 このフレームワークはまず,属性をターゲットの指紋に移動させる書き直しを検索し,選択した書き直しを1パス4Bの学生モデルに分解する。
• 参考スコア（独自算出の注目度）: 12.69216134113138
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Model-attribution classifiers can often identify which language model produced a text, making model-specific writing patterns a signal of provenance. Accurate attribution on unmodified text, however, does not show whether the prediction still identifies the original source after deliberate rewriting. We formulate this problem as targeted fingerprint transfer: rewriting one model's output so that attribution classifiers assign it to a chosen target model. We study summarization, where different models receive the same document and express the same underlying content, providing a controlled setting for conditional generation. We introduce ForgePrint, a search-then-distil framework that first searches for rewrites that move attribution toward a target fingerprint, then distils the selected rewrites into a one-pass 4B Student model. On CNN/DM, the Student reaches 70.2% target success rate, outperforming both its Teacher (54.1%) and the strongest of six published rewriting baselines (39.3%), against held-out classifiers that are never queried by the attack. It also reaches 68.3% target success when transferring summaries from an open model toward chosen commercial models. These results show that fingerprint detectability should not be conflated with source authenticity, and that text-only attribution can provide misleading evidence of model identity under targeted rewriting, even when it is accurate on unmodified text.
• Abstract（参考訳）: モデル属性分類器は、どの言語モデルがテキストを生成するかを特定することができ、モデル固有の記述パターンを証明の信号にする。 しかし、修正されていないテキストに対する正確な属性は、意図的な書き直しの後も、その予測が元のソースを識別するかどうかを示さない。 我々は、この問題をターゲット指紋転送として定式化し、あるモデルの出力を書き換えて、属性分類器が選択したターゲットモデルに割り当てるようにする。 我々は,異なるモデルが同じ文書を受信し,同じ基盤となる内容を表現し,条件生成のための制御された設定を提供する要約について検討する。 このフレームワークはまず,属性をターゲットの指紋に移動させる書き直しを検索し,選択した書き直しを1パス4Bの学生モデルに分解する。 CNN/DMでは、学生は70.2%の目標成功率に達し、教師(54.1%)と6つの書き直しベースライン(39.3%)の両方を上回り、攻撃の被害を受けない保持型分類器に勝っている。 また、オープンモデルから選択された商用モデルへのサマリーの転送で68.3%の目標達成を達成した。 これらの結果から, 指紋検出性は情報源の信頼性と混同されるべきではなく, テキストのみの属性は, たとえ修正されていないテキストでも, 対象の書き直しにおけるモデル識別の誤認を招きかねないことが示唆された。

関連論文リスト

• How Well Do LLMs Imitate Human Writing Style? [2.3754840025365183]
  大規模言語モデル(LLM)は、流動的なテキストを生成することができるが、特定の人間の作者の独特のスタイルを再現する能力は、まだ不明である。 著者の検証とスタイルの模倣分析のための,高速かつトレーニング不要なフレームワークを提案する。 学術エッセイでは97.5%、クロスドメイン評価では94.5%の精度を達成している。
  論文  参考訳（メタデータ） (2025-09-29T15:34:40Z)
• FIT-Print: Towards False-claim-resistant Model Ownership Verification via Targeted Fingerprint [22.398234847594242]
  モデルフィンガープリントは、オープンソースモデルの知的財産権を保護するために広く採用されているアプローチである。 本稿では, 相手が第三者モデルの所有権を誤って主張する, 虚偽のクレーム攻撃に対して脆弱であることを明らかにする。 これらの知見に触発され,疑似クレーム攻撃に対処するための指紋認証パラダイム(FIT-Print)を提案する。
  論文  参考訳（メタデータ） (2025-01-26T13:00:58Z)
• Retrieval is Accurate Generation [99.24267226311157]
  本稿では,支援文書の集合からコンテキスト認識句を選択する新しい手法を提案する。 本モデルでは,検索対象のベースラインの中で,最高の性能と低レイテンシを実現する。
  論文  参考訳（メタデータ） (2024-02-27T14:16:19Z)
• Verifying the Robustness of Automatic Credibility Assessment [50.55687778699995]
  入力テキストにおける意味保存的変化がモデルを誤解させる可能性があることを示す。 また、誤情報検出タスクにおける被害者モデルと攻撃方法の両方をテストするベンチマークであるBODEGAについても紹介する。 我々の実験結果によると、現代の大規模言語モデルは、以前のより小さなソリューションよりも攻撃に対して脆弱であることが多い。
  論文  参考訳（メタデータ） (2023-03-14T16:11:47Z)
• PART: Pre-trained Authorship Representation Transformer [52.623051272843426]
  文書を書く著者は、自分のテキストに識別情報を印字する。 以前の作品では、手作りの機能や分類タスクを使って著者モデルを訓練していた。 セマンティクスの代わりにテキストの埋め込みを学習するために、対照的に訓練されたモデルを提案する。
  論文  参考訳（メタデータ） (2022-09-30T11:08:39Z)

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。