本文提出 PreferCare，这是首个专门针对 LLM 对齐训练中偏好数据集版权保护的水印注入与验证框架。随着 LLM 应用安全性需求日益迫切，对齐训练算法（如 RLHF/DPO 等）依赖大量高质量偏好数据来微调模型，使其行为符合人类价值观。然而，这类数据集的生成与人工标注成本高昂且劳动密集，因此其版权保护至关重要。PreferCare 包含两个阶段：注入阶段和验证阶段。注入阶段设计了基于风格迁移的水印信号和双层水印优化过程，将水印嵌入偏好数据集中，使其不易被察觉且不影响数据质量。验证阶段采用统计检验方法，判断可疑 LLM 是否在未授权情况下使用了含水印的偏好数据集。在多个主流 LLM 上的大量实验表明，PreferCare 在不同设置下具备有效性、无害性、可迁移性和鲁棒性，并能在 20 次查询内成功完成水印验证。该研究为 AI 数据版权保护提供了新思路，尤其适用于保护用于对齐训练的偏好数据不被非法使用。

本文针对深度学习时代数据版权保护面临的两大威胁：未经授权的模型训练（非法利用数据训练模型）和恶意数据泄露（攻击者窃取或泄露受保护数据）。现有方法通常分别使用不可学习样本（unlearnable examples）和数字水印技术，但作者发现简单组合两者会因负面交互效应而失效。为此，论文提出一种新型版权保护机制，称为可逆不可学习样本（Reversible Unlearnable Examples）。该方法的核心思想是：在图像上添加精心设计的扰动，使模型在训练时学习到输入图像中与任务无关的特征，从而无法有效学习原始数据分布，达到防止非法训练的效果；同时，通过双提取器策略（两个不同的水印提取器）消除不可学习扰动对水印提取的干扰，确保合法数据所有者仍能从被扰动图像中提取水印以证明版权。具体实现上，生成扰动时最小化模型输入与输出之间的互信息，以增强扰动的泛化能力。在ImageNet、CIFAR10和Pets三个图像数据集上的大量实验表明，该方法能够提供比现有方法更全面的版权保护，既能有效阻止未经授权的模型训练，又能保证水印的可靠提取。论文还开源了代码。本文适合研究数据安全、模型鲁棒性和版权保护的技术人员阅读，但仅基于摘要，方法细节和实验具体数据需进一步查阅原文。

本文针对扩散桥模型的主动版权保护问题，提出了一种名为GoodDiffusion的防御机制。当前的主流保护方法主要分为事后归因（如数字水印和指纹）和退化防御，这些方法仅提供间接且有限的预防效果。受后门攻击机制的启发，GoodDiffusion将授权内化到生成过程中，通过选择性的许可行为实现模型级别的使用控制：只有携带有效签名的授权查询才能生成高质量的输出，而未授权输入则被拒绝。作者进一步理论证明，传统的静态签名设计（类似于常规的后门注入）本质上是不安全的，因为攻击者可以通过梯度优化高效地恢复出一个代理签名。为解决这一脆弱性，他们引入了可学习签名网络（LSN），该网络根据每个输入的条件生成样本特定的签名，从而打破签名的通用性，阻止代理签名跨输入迁移。大量实验表明，GoodDiffusion在有效阻止未授权使用的同时，能够为授权用户保持强大的生成质量。该研究为扩散模型知识产权保护提供了主动、可撤销的使用时控制方案，适合AI安全研究员、模型部署方以及版权保护技术开发者阅读。

该论文提出了一种针对脉冲神经网络（SNN）的主动版权保护框架SpikeTimer。SNN在低功耗计算和事件驱动数据处理方面具有优势，但现有版权保护方法主要针对传统深度神经网络（DNN），难以直接迁移至SNN，因其具有复杂的时序编码和脉冲驱动计算特性。SpikeTimer利用时序后门学习机制，将神经形态数据划分为指定的时间片，仅在授权时间片内嵌入授权令牌。这种时间分割特性天然支持多用户授权机制，并能适应任意形态的令牌嵌入。SpikeTimer的核心创新在于建立时间依赖的授权机制，通过令牌的时间有效性保护SNN版权。具体地，当输入数据包含正确的令牌且位于正确的时间片时，模型正常响应；否则产生错误输出。实验表明，SpikeTimer在未授权数据上准确率约为10%，而授权数据准确率仅下降约1.5%。此外，该框架对模型微调和剪枝攻击具有鲁棒性。

自监督学习作为一种新兴的机器学习范式，利用无标签数据预训练强大的编码器，这些编码器可作为特征提取器服务于各种下游任务。然而，由于预训练过程需要大量数据和计算资源，编码器本身成为模型所有者的宝贵知识产权。研究表明，模型窃取攻击通过训练替代模型来模仿原始模型行为，严重威胁版权保护。现有版权保护方法（如水印）主要针对分类器，而预训练编码器的版权保护面临独特挑战。本文提出 SSLGuard，首个专为预训练编码器设计的水印方案。SSLGuard 在干净的预训练编码器中注入水印，生成带水印版本，并采用影子训练技术确保水印在潜在模型窃取攻击下仍可保留。通过大量实验，SSLGuard 在水印注入与验证上表现出色，且对模型窃取、输入噪声、输出扰动、覆盖攻击、模型剪枝和微调等水印移除攻击具有鲁棒性。该工作填补了预训练编码器版权保护的空缺，为 AI 模型知识产权保护提供了新思路。

该论文提出了 SentinelRAG，一种用于保护专有 RAG（检索增强生成）数据库版权的数字水印框架。现有水印方法存在两个主要问题：一是通过在真实实体之间注入虚假关系来污染知识库，从而引入错误信息；二是嵌入的脆弱词汇模式容易被对抗性改写删除。SentinelRAG 的核心思想是在 RAG 数据库中嵌入风格一致但虚构的知识条目。这些虚构知识描述的是不存在的实体，合法用户查询时几乎不会被检索到，但数据所有者可以通过仅自己知道的特定目标探针可靠地触发检测。实验在四个文档数量从 2.9k 到 8.8M 不等的数据集上进行，结果显示，在仅 0.1% 的注入率下，SentinelRAG 在所有测试配置中均实现了统计显著的检测（p < 10^-5）。与现有技术相比，该方法显著降低了误检率，同时几乎不影响合法用户的查询。该工作为保护知识产权提供了一种新的思路，尤其适用于使用外部数据库的 LLM 应用场景。

本文针对数据集蒸馏（Dataset Distillation, DD）技术中的版权保护问题展开研究。DD通过合成小型但信息丰富的数据集来降低大规模数据集的存储、计算和能源成本，但其易复制和分发的特性带来了严重的版权侵权和数据泄露风险。现有的保护方法主要针对原始数据集设计，且通常依赖于后门触发的恶意行为，可能引发安全担忧。作者观察到深度神经网络在训练过程中会记忆子群体分布，导致系统性预测偏差，即模型对与记忆子群体对齐的样本表现更好。基于此，提出了一种无害的子群体驱动保护框架SubPopMark，用于蒸馏数据集。SubPopMark包含两个阶段：首先，版权验证标记优化阶段注入类一致性的子群体偏差，同时保留原始优化轨迹；其次，用户特定追踪标记优化阶段进一步向标记增强数据引入用户可区分的扰动。为实现黑盒验证与追踪，作者通过构建覆盖标准分布和子群体偏移分布的精心设计测试集上的模型输出，建立参考行为库。可疑模型的来源通过将其输出行为签名与库中模式比对，识别最一致的参考行为模式来推断。实验将证明该方法在不引入恶意后门的前提下，有效实现对蒸馏数据集的版权保护和用户追踪。

随着垂直领域预训练语言模型（VPLMs）在医疗、金融、法律等专业领域的广泛应用，模型参数和推理能力已成为重要的数字资产。如何实现VPLMs的可追溯版权验证成为一个迫切挑战。现有的版权验证方法主要依赖向模型嵌入后门水印，但这些方法大多需要额外的训练过程，水印嵌入效率低下，且缺乏面向多垂直领域的可扩展设计。针对上述局限，本文提出了VertMark——首个统一的、无需训练且鲁棒的版权水印框架，适用于多个垂直领域的VPLMs。该框架通过一种无训练的参数替换策略，在低频触发令牌与高频领域相关词之间建立隐藏的语义等价关系，从而嵌入带有所有权编码的水印。实验在医疗、金融、法律三大领域的文本理解和文本生成下游任务上验证了VertMark的有效性：它能够实现高效的水印嵌入和可靠的水印验证，同时对模型性能的影响可忽略不计。此外，VertMark对剪枝、量化等多种攻击展现出强鲁棒性，凸显了其实用价值，为VPLMs的版权安全提供了有力保护。本文适合模型提供方、安全研究人员及关注知识产权保护的技术从业者阅读。