論文の概要: A Unified Attack Framework against Statistical Generative Watermarks for Large Language Models

• arxiv url: http://arxiv.org/abs/2610.27653v1
• Date: Tue, 20 Oct 2026 05:12:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.659722
• Title: A Unified Attack Framework against Statistical Generative Watermarks for Large Language Models
• Title（参考訳）: 大規模言語モデルのための統計的生成透かしに対する統一攻撃フレームワーク
• Abstract要約: いくつかの一般的な透かし方式は,検出スコアと生成時に導入されるトークンの確率変化とに根本的な関連があることが示されている。 このリンクにより、攻撃者はモデルへのブラックボックスクエリのみにアクセスでき、シークレットキーやモデルの重み付けの知識がない。 その結果,現在の透かし方式は現実的な攻撃条件下で確実に打ち負かすことができることがわかった。
• 参考スコア（独自算出の注目度）: 28.7082979906998
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Watermarking has emerged as a key tool for identifying text generated by large language models (LLMs), with current schemes embedding statistical signals into the generation process to enable later detection. In this work, we identify a shared weakness across a broad class of popular LLM watermarking methods, including KGW (and its variants), GumbelSoft, DipMark, ITS, and SynthID. We show that these schemes exhibit a fundamental link between their detection scores and the token probability shifts they introduce during generation. This link, which we call score-ratio alignment, allows an attacker with only black-box query access to the model--and no knowledge of secret keys or model weights--to produce text that evades detection while remaining fluent and natural. We prove that the resulting attack is optimal across all covered watermark families, and show that the weakness is intrinsic: any watermark designed to maximize statistical detection power necessarily induces the very structure that attackers can exploit. We evaluate our attack on seven popular generative LLM watermarking schemes, three LLMs, and tasks, which reduce detection rates to at most 0.05 across all settings while preserving text quality. Our findings show that current watermarking methods can be reliably defeated under realistic attack conditions, highlighting the need for fundamentally different watermarking designs that decouple detection scores from token probability shifts.
• Abstract（参考訳）: ウォーターマーキングは、大規模言語モデル(LLM)によって生成されたテキストを識別するための重要なツールとして登場し、現在のスキームは、後の検出を可能にするために、統計信号を生成プロセスに埋め込む。 本研究では,KGW(とその変種),GumbelSoft,DipMark,ITS,SynthIDなど,広く普及しているLCM透かし手法の共通弱点を同定する。 これらのスキームは,検出スコアと生成時に導入されるトークンの確率変化とに根本的な関連があることが示されている。 このリンクはスコア比アライメントと呼ばれ、攻撃者がモデルにブラックボックスのクエリのみアクセスでき、シークレットキーやモデルの重み付けに関する知識がない。 統計的検出能力を最大化するように設計された透かしは、攻撃者が活用できる構造を必然的に引き起こす。 テキスト品質を保ちながら,7つの一般的なLLMウォーターマーキング手法,3つのLLM,タスクに対する攻撃を評価し,すべての設定において検出率を0.05以下に抑える。 以上の結果から,現在の透かし方式は現実的な攻撃条件下で確実に打ち負かすことが可能であり,トークンの確率シフトから検出スコアを分離する基本的な異なる透かし設計の必要性が示唆された。

関連論文リスト

• An Ensemble Framework for Unbiased Language Model Watermarking [60.99969104552168]
  本研究では,アンサンブル・フレームワークであるENSを提案する。 ENSは複数の独立した透かしインスタンスを順次構成し、それぞれ異なるキーによって管理され、透かし信号を増幅する。 実験的な評価では、ENSは信頼できる検出に必要なトークンの数を大幅に減らし、平滑化やパラフレージング攻撃に対する耐性を高めている。
  論文  参考訳（メタデータ） (2025-09-28T19:37:44Z)
• Character-Level Perturbations Disrupt LLM Watermarks [64.60090923837701]
  我々は,Large Language Model (LLM)ウォーターマーキングのためのシステムモデルを定式化する。 我々は、透かし検出器への限られたアクセスに制約された2つの現実的な脅威モデルの特徴付けを行う。 我々は,最も制限的な脅威モデルの下で,キャラクタレベルの摂動が透かし除去に著しく有効であることを実証した。 現実的な制約下での透かし除去における文字レベルの摂動の優位性と遺伝的アルゴリズム(GA)の有効性を実験的に検証した。
  論文  参考訳（メタデータ） (2025-09-11T02:50:07Z)
• Revealing Weaknesses in Text Watermarking Through Self-Information Rewrite Attacks [36.01146548147208]
  テキスト透かしアルゴリズムは、テキストの品質を保証するために、ハイエントロピートークンに透かしを埋め込む。 本稿では,この外観上の不明瞭な設計が攻撃者によって悪用され,透かしの堅牢性に重大なリスクを及ぼすことを明らかにする。 本稿では,トークンの自己情報を計算することで,その脆弱性を利用する汎用的なパラフレーズ攻撃を提案する。
  論文  参考訳（メタデータ） (2025-05-08T12:39:00Z)
• GaussMark: A Practical Approach for Structural Watermarking of Language Models [61.84270985214254]
  GaussMarkは、大規模な言語モデルを透かし出すためのシンプルで効率的で比較的堅牢なスキームである。 GaussMarkは信頼性が高く、効率的で、挿入、削除、置換、ラウンドトリップ翻訳などの汚職に対して比較的堅牢であることを示す。
  論文  参考訳（メタデータ） (2025-01-17T22:30:08Z)
• 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)
• 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)
• An Unforgeable Publicly Verifiable Watermark for Large Language Models [84.2805275589553]
  現在の透かし検出アルゴリズムは、透かし生成プロセスで使用される秘密鍵を必要としており、公開検出中にセキュリティ違反や偽造の影響を受ける。 両段階で同じキーを使用するのではなく、2つの異なるニューラルネットワークを用いて透かしの生成と検出を行う。
  論文  参考訳（メタデータ） (2023-07-30T13:43:27Z)

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。