Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Robust Multi-bit Text Watermark with LLM-based Paraphrasers

Created by
  • Haebom

저자

Xiaojun Xu, Jinghan Jia, Yuanshun Yao, Yang Liu, Hang Li

개요

LLM을 이용한 미세한 다중 비트 텍스트 워터마킹 기법을 제안합니다. 서로 다르게 동작하도록 설계된 두 개의 LLM 패러프레이저를 미세 조정하여, 텍스트 의미에 반영된 패러프레이징 차이를 훈련된 디코더로 식별합니다. 문장 단위로 미리 정의된 이진 코드를 인코딩하기 위해 두 개의 패러프레이저를 번갈아 사용하여 다중 비트 워터마크를 삽입합니다. 텍스트 분류기를 디코더로 사용하여 워터마크의 각 비트를 디코딩합니다. 광범위한 실험을 통해 소규모(11억 매개변수) 텍스트 패러프레이저를 사용하면서도 원래 문장의 의미 정보를 유지하면서 99.99% 이상의 검출 AUC를 달성할 수 있음을 보여줍니다. 더 중요한 것은, 제안된 파이프라인이 단어 치환 및 문장 패러프레이징 섭동에 강건하고 분포 외 데이터에 대해서도 잘 일반화된다는 점입니다. 또한 LLM 기반 평가를 통해 워터마크의 은밀성을 보여줍니다. 코드는 공개 소스로 제공됩니다 (https://github.com/xiaojunxu/multi-bit-text-watermark).

시사점, 한계점

•
시사점:
◦
LLM을 이용한 새로운 다중 비트 텍스트 워터마킹 기법 제시.
◦
높은 검출 정확도(99.99% 이상의 AUC) 달성.
◦
원본 문장의 의미 정보 보존.
◦
단어 치환 및 문장 패러프레이징에 대한 강건성.
◦
분포 외 데이터에 대한 우수한 일반화 성능.
◦
LLM 기반 평가를 통한 워터마크 은밀성 확인.
◦
오픈소스 코드 공개.
•
한계점:
◦
특정 LLM 모델 및 파라미터에 대한 의존성.
◦
다양한 유형의 공격에 대한 저항성에 대한 추가 연구 필요.
◦
실제 응용 시나리오에 대한 추가적인 평가 필요.
👍
Made with Slashpage