論文の概要: Blind Watermarking of Software Repositories via Module Placement

• arxiv url: http://arxiv.org/abs/2610.21031v1
• Date: Thu, 15 Oct 2026 00:04:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.106976
• Title: Blind Watermarking of Software Repositories via Module Placement
• Title（参考訳）: モジュール配置によるソフトウェアリポジトリのブラインド透かし
• Abstract要約: PlaceMarkは、リポジトリ内のモジュール配置でペイロードをエンコードする。 Pythonレポジトリ10の容量測定では、名目容量は249から2,166ビットである。
• 参考スコア（独自算出の注目度）: 2.0415910628419067
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Source-code watermarking supports provenance tracking by embedding a recoverable identifier in a software artifact. Many existing approaches encode this identifier in tokens or program syntax, exposing the watermark to transformations that modify the source text. We present PlaceMark, a blind watermarking system that encodes a payload in the placement of modules within a repository. Each eligible module is identified by its filename and top-level definition names. A secret key determines its ordered candidate destinations and its position in the reading order; the module's location within its candidate list determines the encoded symbol. Embedding relocates selected modules and updates their import references. Extraction uses the distributed repository, the key, and agreed decoding parameters, without an original copy or placement ledger. Capacity measurements on ten Python repositories yield nominal capacities of 249 to 2,166 bits in nine repositories, while one provides no placement channel. In 216 trials of the evaluated text transformations, the payload is recovered exactly. Relocation degrades recovery gradually on Django, Airflow and Salt, while on Pylint a path-based exclusion in our implementation lets relocation change carrier membership, and we measure it for an untargeted adversary and for one that concentrates its budget on the public carrier set. Changes to filenames or definition names alter the identity input and are measured separately. Exact recovery also depends on placement feasibility. The results characterize module placement as a carrier that can complement watermarks embedded in source text.
• Abstract（参考訳）: ソースコードの透かしは、ソフトウェアアーティファクトに復元可能な識別子を埋め込むことで、プロファイランストラッキングをサポートする。 既存の多くのアプローチでは、この識別子をトークンやプログラム構文にエンコードし、ソーステキストを変更する変換に透かしを公開している。 PlaceMarkは,レポジトリ内のモジュール配置にペイロードをエンコードするブラインド透かしシステムである。 各モジュールはファイル名とトップレベル定義名によって識別される。 秘密鍵はその順序付けられた候補先とその位置を読み取り順序で決定し、その候補リスト内のモジュールの位置は符号化されたシンボルを決定する。 埋め込みは、選択したモジュールをリロケーションし、インポート参照を更新します。 抽出は、オリジナルのコピーや配置台帳なしで、分散リポジトリ、キー、および合意されたデコードパラメータを使用する。 10のPythonレポジトリの容量測定では、9レポジトリで249から2,166ビットという名目容量が得られるが、配置チャネルは提供されない。 評価されたテキスト変換の216の試行において、ペイロードは正確に回収される。 リロケーションは、ジャンゴ、エアフロー、ソルトで徐々に回復し、一方、Pylintでは、パスベースの排除により、リロケーションによるキャリアのメンバシップを変更できるようにします。 ファイル名や定義名の変更はID入力を変更し、別々に測定される。 正確な回復は配置可能性にも依存する。 その結果、モジュール配置は、ソーステキストに埋め込まれた透かしを補完できるキャリアとして特徴づけられる。

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)
• SemTrace: Source-Grounded Semantic Signatures for Tracing LLM Exposure to Protected Documents [33.910177895525095]
  SemTraceは、生成されたレビューが保護された原稿コピーの影響を受けているかどうかを検出するための、ソースグラウンドのセマンティックな透かしである。 保護されたPDFは、視覚的に各バイナリペアから1つの事実を選択し、それらの事実を固定されたレビュースロットで表現するよう指示フォローするレビュアーに要求するコンテンツ契約を伝達する。 凍結した自然言語推論モデルは、結果のセマンティックエビデンスを明示的な消去でデコードし、そのコピーに割り当てられたコードワードに対して回復したビットをスコアする。
  論文  参考訳（メタデータ） (2026-08-30T05:41:20Z)
• TRACE: A Two-Channel Robust Attribution Watermark via Complementary Embeddings for LLM-Agent Trajectories [26.736610129232698]
  TRACEは、アクション選択において歪みのない最初のエージェント透かしである。 これは、どのアクションが選択されるかを設定する選択チャネルを、歪みのないサンプル装置でローカルコンテンツにキー付けする。 ToolBenchとALFWorldでは、TRACEは未発見エージェントの成功率と一致している。
  論文  参考訳（メタデータ） (2026-07-09T12:25:22Z)
• Selective Disclosure Watermarking for Large Language Models [16.579884795891754]
  埋め込みメタデータの選択的開示を可能にする透かしフレームワークである階層語彙ルーティング(HeRo)を提案する。 提案手法は, サンプリングプロセスの非偏りを保ち, テキストの品質を維持できることを示す。
  論文  参考訳（メタデータ） (2026-07-06T17:32:01Z)
• MerkleSpeech: Public-Key Verifiable, Chunk-Localised Speech Provenance via Perceptual Fingerprints and Merkle Commitments [0.0]
  本稿では,公開鍵検証・チャンク局所音声認識システムであるMerkleSpeechを提案する。 このシステムは、短い音声チャンク上で知覚指紋を計算し、それを発行キーで署名されたMerkleツリーにコミットする。 我々は,再サンプリング,帯域通過フィルタ,付加雑音下での極めて低い偽陽性率を目標とした実験を行った。
  論文  参考訳（メタデータ） (2026-02-10T11:58:19Z)
• 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)
• A Resilient and Accessible Distribution-Preserving Watermark for Large Language Models [65.40460716619772]
  本研究は,textbfDistribution-textbf Preserving (DiP)ウォーターマークの重要性に焦点をあてる。 現在の戦略とは対照的に,提案したDiPmarkは透かし中に元のトークン分布を同時に保存する。 言語モデルAPIにアクセスせずに検出可能で(アクセス可能)、トークンの適度な変更に対して確実に堅牢である。
  論文  参考訳（メタデータ） (2023-10-11T17:57:35Z)
• 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。