Este artículo analiza los costos de la teoría de la información de las capacidades de marcas de agua, como la atribución de usuarios, la extracción de carga útil y la localización en modelos generativos. Introduce un perfil de información para cuantificar cuánto revela cada token sobre un secreto, estableciendo que la detección depende de la distancia de distribución mientras que otras tareas dependen de la masa de información.
- La atribución multiusuario para N usuarios cuesta Θ(log N/h) tokens sobre fuentes estacionario-ergódicas, lograda mediante el umbral de candidatos por sorpresa realizada.
- La extracción de una carga útil de l bits requiere Θ(l/h) tokens.
- Existe una ventana de Θ(log N) tokens donde el texto es demostrablemente hecho por máquina pero no atribuible.
- Los experimentos en GPT-2, Pythia-410M y Qwen2.5 recuperan las constantes predichas.
El estudio proporciona una ley estricta de tasa de entropía para la atribución multiusuario e identifica límites fundamentales como la incertidumbre de resolución de huella en el diseño de marcas de agua.