本文针对大语言模型（LLM）生成内容在食品安全等关键领域被篡改的风险，提出了一种名为 ToSS（Token Oriented Repartitioning and Strategic Selection）的可信水印认证框架。该框架采用自适应双水印机制，核心创新在于将词汇表划分为黑名单和白名单子列表，通过双水印编码实现比特级的可追溯信息嵌入，从而在生成文本中精确标记来源信息。同时，ToSS 引入熵自适应机制，动态选择模型预测不确定性较高的文本区域进行水印插入，在保证文本流畅性和事实准确性的前提下，提高水印的隐蔽性和鲁棒性。实验在包括食品领域文本在内的多个数据集上进行，结果表明 ToSS 在水印容量和解码准确率方面均达到领先水平。该研究为 AI 生成内容的完整性和可追溯性提供了一种新方案，尤其适用于对信息真实性要求极高的食品安全报告场景。