From Construction to Injection: Edit-Based Fingerprints for Large Language Models

작성자

Haebom

카테고리

Empty

저자

Yue Li, Xin Yi, Dongsheng Shi, Yongyi Cui, Gerard de Melo, Linlin Wang

💡 개요

본 논문은 대규모 언어 모델(LLM)의 무단 재배포 및 상업적 오용을 방지하기 위한 신뢰할 수 있는 모델 지문(fingerprint) 기술을 제안합니다. 제안하는 코딩 혼합 지문(CF)은 복잡성을 높여 지문 인식의 모호성을 줄이고, 다중 후보 편집(MCEdit)은 모델 수정에도 지문 정보가 유지되도록 하여 모델 수정 시에도 강건한 소유권 검증을 가능하게 합니다. 이를 통해 LLM의 유용성에 거의 영향을 주지 않으면서도 강력한 소유권 검증이 가능함을 입증했습니다.

🔑 시사점 및 한계

•

LLM의 지문 생성을 위한 새로운 접근 방식으로, 기존의 '구축' 방식에서 '주입' 방식으로 패러다임을 전환합니다.

•

제안된 방법론은 지문의 탐지 가능성과 자연스러움 사이의 균형을 맞추고, 모델 수정에도 강건한 지문 주입을 가능하게 하여 LLM 보호에 기여합니다.

•

제안된 방법론의 실제 적용 시, 다양한 LLM 아키텍처 및 실제 공격 시나리오에 대한 추가적인 검증이 필요할 수 있습니다.

PDF 보기

Made with Slashpage