大型语言模型（LLM）生成的文本中嵌入水印是一种追踪合成内容来源或验证其真实性的技术。现有方法分为零比特方案（仅区分机器与人类写作）和多比特方案（嵌入元数据如时间戳、模型版本）。然而，当前多比特水印方案存在一个关键缺陷：验证器必须解码整个嵌入消息才能验证任何一部分，这导致不必要的信息暴露，引发隐私问题。例如，若水印包含用户ID与生成时间，验证某个用户的作品时也会泄露其他信息。本文提出一种名为“层次化词汇路由”（Hierarchical Vocabulary Routing, HeRo）的新型水印框架，支持选择性披露。核心思想是将词汇表递归划分为层次结构，并将水印信息分布在多个层级中。每个层级对应不同访问级别，验证器只能解码其权限所允许的负载部分，而无法获取完整消息。方法通过控制采样过程保持无偏性，从而不降低文本质量。实验结果表明，HeRo实现了细粒度的访问控制，同时保持高检测准确率和低延迟。该工作为隐私保护的水印应用（如版权追踪、内容审核中需分级披露的场景）提供了新方案。代码已开源。