В данной работе представлено Двухвекторное водяное знамение (DEW), схема семантического водяного знака для больших языковых моделей, использующая контекстные и токеновые эмбеддинги для повышения устойчивости к перефразированию и переводу. DEW применяет методологию обработки сигналов, используя алгебраические операции в векторном пространстве для получения сигнала водяного знака, который плавно деградирует при семантических сдвигах.
- Метод маскирует водяной знак, проецируя векторы эмбеддингов через псевдослучайные матрицы, инициализированные секретным ключом.
- Распределения, полученные из лежащей в основе алгебры, оцениваются и используются для статистического тестирования и бенчмаркинга DEW.
- Экспериментальные результаты на нескольких LLM показывают, что DEW улучшает обнаружение после перефразирования, сохраняя конкурентоспособное качество текста.
- Водяной знак остается обнаруживаемым после перевода, даже когда предыдущие семантические водяные знаки значительно деградируют.
Эти результаты позиционируют DEW как практичное и надежное решение для защиты текста, сгенерированного LLM, и решения критических вопросов в ответственном развертывании ИИ.