論文の概要: SEW: Style-Encoded Watermarking of LLM-Generated Code

• arxiv url: http://arxiv.org/abs/2609.39414v1
• Date: Wed, 30 Sep 2026 09:53:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.563859
• Title: SEW: Style-Encoded Watermarking of LLM-Generated Code
• Title（参考訳）: SEW: LLM生成コードのスタイルエンコード透かし
• Abstract要約: 3つのコンポーネントを通じて、すでに生成されたコードに透かしを埋め込んで検出するSEWを導入する。 3つのLLMと3つのプログラミング言語にわたるCodeContestでは、SEWはベースラインよりも12.44%TPR@FPR5%の相対的な改善を実現している。
• 参考スコア（独自算出の注目度）: 8.91169891688064
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Code watermarking supports provenance tracking for code generated by LLMs. Modifying token selection to embed watermarks as an LLM generates code can create a trade-off between detectability and functional correctness. Other methods instead watermark completed code using predefined transformations or trained neural models. Recurring patterns can make watermark choices predictable across programs, while treating patterns common in unwatermarked code as watermark evidence can cause false detections. We therefore introduce SEW, which embeds and detects watermarks in already generated code through three components: (i) code style rules collected from style guides and transformation rules, with style choices determined by a secret key and each program's structural context; (ii) style-preference calibration, which evaluates watermark evidence using style probabilities estimated from human-written code; and (iii) context-aware style aggregation, which combines evidence from structurally matching locations assigned the same code style choice, preventing repeated applications of that choice from inflating watermark evidence. On CodeContests across three LLMs and three programming languages, SEW achieves a mean relative improvement of 12.44% in TPR@FPR5% over the baselines and is robust to four non-LLM code-editing attacks, with only a 0.94% mean relative decrease. Our code is available at https://github.com/suhanmen/SEW.
• Abstract（参考訳）: コード透かしは、LLMによって生成されたコードのプロファイランストラッキングをサポートする。 LLM生成コードとして透かしを埋め込むトークンの選択を修正することで、検出可能性と機能的正しさのトレードオフを生み出すことができる。 代わりに、事前に定義された変換や訓練されたニューラルモデルを使用して、完了したコードを透かし出す方法もある。 再帰的なパターンは、プログラム間でウォーターマークの選択を予測可能にすると同時に、ウォーターマークの証拠として、ウォーターマークされていないコードで共通するパターンを誤った検出を引き起こす可能性がある。 ですから,すでに生成されたコードに3つのコンポーネントを通じて透かしを埋め込んで検出するSEWを導入するのです。 一 シークレットキー及び各プログラムの構造的コンテキストによって決定されたスタイルの選択を含む、スタイルガイド及び変換規則から収集されたコードスタイル規則 二 人書きコードから推定した様式確率を用いて透かし証拠を評価する様式選好校正 第三に、同じコードスタイルの選択を割り当てられた構造的に整合した場所からの証拠を組み合わせて、その選択の繰り返し適用が透かしの証拠を膨らませることを防止する。 3つのLLMと3つのプログラミング言語にわたるCodeContestでは、SEWはベースラインに対するTPR@FPR5%の平均相対的な改善を12.44%達成し、LLM以外の4つのコード編集攻撃に対して堅牢であり、平均相対的な減少は0.94%に過ぎなかった。 私たちのコードはhttps://github.com/suhanmen/SEW.comで公開されています。

関連論文リスト

• CODE ACROSTIC: Robust Watermarking for Code Generation [49.125981508877565]
  既存の言語モデル(LLM)の透かし方法では、コメント削除攻撃に対処できない。 我々のアプローチは、コードの低エントロピーと高エントロピーを区別するために、事前の知識を活用することである。 次に、このキューリストで導かれた透かしを注入し、既存の方法よりも高い検出性とユーザビリティを実現する。
  論文  参考訳（メタデータ） (2025-12-14T19:14:54Z)
• 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)
• Marking Code Without Breaking It: Code Watermarking for Detecting LLM-Generated Code [8.371877324812505]
  我々は,非シンタクティックトークンにのみ透かしを埋め込む構文認識型透かし手法STONEを提案する。 Python、C++、Java全体で、STONEは正確性を保持し、強力な検出可能性を保持し、最小限のオーバーヘッドでバランスの取れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-02-26T05:46:13Z)
• Is The Watermarking Of LLM-Generated Code Robust? [5.48277165801539]
  コードベースのコンテキストでは、ウォーターマーキングのテクニックがはるかに脆弱であることを示します。 具体的には、変数リネームやデッドコード挿入といった単純なセマンティック保存変換が、ウォーターマークを効果的に消去できることを示す。
  論文  参考訳（メタデータ） (2024-03-24T21:41:29Z)
• Towards Codable Watermarking for Injecting Multi-bits Information to LLMs [86.86436777626959]
  大規模言語モデル(LLM)は、流布とリアリズムを増大させるテキストを生成する。 既存の透かし方式はエンコーディング非効率であり、多様な情報エンコーディングニーズに柔軟に対応できない。 テキスト透かしを複数ビットでカスタマイズ可能な情報を運ぶことができるCTWL (Codable Text Watermarking for LLMs) を提案する。
  論文  参考訳（メタデータ） (2023-07-29T14:11:15Z)
• Who Wrote this Code? Watermarking for Code Generation [53.24895162874416]
  本稿では,機械生成テキストを検出するために,Entropy Thresholding (SWEET) を用いたSelective WatErmarkingを提案する。 実験の結果,SWEETはコード品質を著しく向上し,すべてのベースラインを上回ります。
  論文  参考訳（メタデータ） (2023-05-24T11:49:52Z)
• Watermarking Text Generated by Black-Box Language Models [103.52541557216766]
  テキスト生成中に透かしを埋め込むことのできるホワイトボックスLCMに対して,透かしに基づく手法が提案されている。 リストを認識した検出アルゴリズムは、透かし付きテキストを識別することができる。 我々はブラックボックス言語モデル利用シナリオのための透かしフレームワークを開発する。
  論文  参考訳（メタデータ） (2023-05-14T07:37:33Z)

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。