본 논문은 대규모 언어 모델(LLM)의 저작권 침해 문제를 해결하기 위한 LLM 지문 기술에 대한 최초의 종합적인 연구이다. LLM 지문 기술은 LLM에서 독특한 특징을 추출하여 저작권 침해를 식별하는 비침습적인 기술이다. 본 논문에서는 기존 방법들을 화이트박스 및 블랙박스 접근 방식으로 분류하는 통합 프레임워크와 공식적인 분류 체계를 제시하고, 현실적인 배포 시나리오에서 LLM 지문 기술을 평가하기 위한 최초의 체계적인 벤치마크인 LeaFBench를 제안한다. LeaFBench는 주요 기반 모델을 기반으로 하며 149개의 서로 다른 모델 인스턴스와 13가지 대표적인 개발 후 기술(파라미터 변경 방법 및 파라미터 독립적 메커니즘 포함)을 통합한다. LeaFBench를 사용한 광범위한 실험을 통해 기존 방법의 강점과 약점을 밝히고, 이 신흥 분야의 미래 연구 방향과 중요한 미해결 문제를 제시한다. 코드는 https://github.com/shaoshuo-ss/LeaFBench 에서 확인 가능하다.
