論文の概要: Pin It on Anyone: Certified Targeted Displacement of Multi-Bit LLM Watermarks Without the Key

• arxiv url: http://arxiv.org/abs/2610.18359v1
• Date: Tue, 13 Oct 2026 13:24:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:19:24.629963
• Title: Pin It on Anyone: Certified Targeted Displacement of Multi-Bit LLM Watermarks Without the Key
• Title（参考訳）: 鍵を使わずにマルチビットLCMの透かしが認証された
• Abstract要約: 我々は、透かしメッセージを変更することができる攻撃手法を示す。 これにより、例えば、埋め込みアカウントIDを任意の異なるIDに交換することができる。 我々は、我々の知る限り、そのような攻撃を最初に提案し、ターゲットの変位と呼ぶ。
• 参考スコア（独自算出の注目度）: 12.335697153382966
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-bit watermarking embeds a message, typically an account identifier, into LLM output so that harmful text can be traced to its origin. We show an attack technique that allows to alter the watermarking message. This allows to, for example, exchange the embedded account ID to an arbitrary different one. The attacker mainly needs access to a few accounts for generating LLM output and model logits, but crucially not the secret key used to watermark. The attacker then rewrites the text, keeping its meaning, so that the watermarking message decoder recovers the watermarking message embedded by the attacker. We are, to our knowledge, the first to propose such an attack, which we call a targeted displacement. Theoretically, we present upper and lower bounds on the probability of our attack succeeding. This bound depends on the number of accounts the attacker has access to, the length of the message and some characteristics of the given text. Our attack can succeed whenever we can bound the ambiguity of the generated text well enough. Empirically, we test our attack technique against five watermarking methods and four LLMs. Attack success tracks our predicted bounds, allowing us to alter watermarking messages in almost all cases with high accuracy, given enough accounts. Our code can be found at https://github.com/Batorskq/PinIt.
• Abstract（参考訳）: マルチビット透かしはメッセージ、通常はアカウント識別子をLCM出力に埋め込んで、有害なテキストをその起源に遡ることができる。 我々は、透かしメッセージを変更することができる攻撃手法を示す。 これにより、例えば、埋め込みアカウントIDを任意の異なるIDに交換することができる。 攻撃者は主にLSM出力とモデルロジットを生成するためにいくつかのアカウントにアクセスする必要があるが、ウォーターマークに使われる秘密鍵ではない。 その後、攻撃者はテキストを書き換えて意味を保ち、透かしメッセージデコーダが攻撃者が埋め込んだ透かしメッセージを復元する。 我々は、我々の知る限り、そのような攻撃を最初に提案し、ターゲットの変位と呼ぶ。 理論的には、攻撃が成功する確率について、上と下の境界を提示する。 このバウンダリは、攻撃者がアクセスしたアカウントの数、メッセージの長さ、指定されたテキストの特徴に依存する。 私たちの攻撃は、生成されたテキストのあいまいさを十分に縛り付けることができれば成功する。 実験では,5つの透かし法と4つのLLMに対して攻撃手法を実証した。 攻撃の成功は予測される境界を追跡し、十分なアカウントがあれば、ほぼすべてのケースでウォーターマークメッセージを変更することができる。 私たちのコードはhttps://github.com/Batorskq/PinItにある。

関連論文リスト

• DITTO: A Spoofing Attack Framework on Watermarked LLMs via Knowledge Distillation [7.366060554733598]
  我々は、悪意あるモデルが信頼された被害者モデルの本物の透かしを含むテキストを生成できる高度な攻撃である、透かしの脅威を導入する。 透かし付き教師モデルから知識を抽出することにより,攻撃者が被害者モデルの透かし信号を盗み,複製することができる。 この研究は、テキストオーサシップの検証において重要なセキュリティギャップを明らかにし、専門家が模倣したものと真正な透かしを区別できる技術へのパラダイムシフトを要求する。
  論文  参考訳（メタデータ） (2025-10-13T03:53:40Z)
• PostMark: A Robust Blackbox Watermark for Large Language Models [56.63560134428716]
  モジュール式ポストホックウォーターマーキング手法であるPostMarkを開発した。 PostMarkはロジットアクセスを必要としないため、サードパーティによって実装することができる。 PostMarkは既存のウォーターマーキング手法よりも,攻撃を言い換える方が堅牢であることを示す。
  論文  参考訳（メタデータ） (2024-06-20T17:27:14Z)
• Large Language Model Watermark Stealing With Mixed Integer Programming [51.336009662771396]
  大きな言語モデル(LLM)の透かしは、著作権に対処し、AI生成したテキストを監視し、その誤用を防ぐことを約束している。 近年の研究では、多数のキーを用いた透かし手法は、攻撃の除去に影響を受けやすいことが示されている。 我々は,最先端のLLM透かしスキームに対する新たなグリーンリスト盗難攻撃を提案する。
  論文  参考訳（メタデータ） (2024-05-30T04:11:17Z)
• A Semantic Invariant Robust Watermark for Large Language Models [27.522264953691746]
  以前の透かしアルゴリズムは、攻撃の堅牢性とセキュリティの堅牢性の間のトレードオフに直面していた。 これは、トークンの透かしロジットが、先行するトークンの数によって決定されるためである。 攻撃の堅牢性とセキュリティの堅牢性の両方を提供するLLMのセマンティック不変な透かし手法を提案する。
  論文  参考訳（メタデータ） (2023-10-10T06:49:43Z)
• On the Reliability of Watermarks for Large Language Models [95.87476978352659]
  本研究では,人間による書き直し後の透かしテキストの堅牢性,非透かしLDMによる言い換え,あるいはより長い手書き文書への混在性について検討する。 人や機械の言い回しをしても、透かしは検出可能である。 また、大きな文書に埋め込まれた透かし付きテキストの短いスパンに敏感な新しい検出手法についても検討する。
  論文  参考訳（メタデータ） (2023-06-07T17:58:48Z)

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。