The Poisoned Conversation: Privacy-Leaking Watermarks in Unified Multimodal Models
该论文关注统一式多模态模型（unified multimodal models）带来的新型隐私威胁。此类模型在同一个对话上下文中既能理解也能生成文本、图像等多种模态，交互更流畅自然，但这一设计也改变了原有的隐私威胁模型：对话某一部分暴露的信
#watermark
共收录 23 条相关情报。
← 返回所有主题LiBRA: Detection-Aware Image Watermark Removal via Bidirectional Latent Optimization
数字水印是 AI 生成图像溯源与内容归属的重要技术手段, 其可信度取决于对「水印去除攻击」的抵抗能力。已有的一类攻击思路是逆向优化: 通过修改图像迫使水印解码器输出的比特序列偏离原始水印, 从而让检测失效。但该文指出这种「反转式」目标存在两
PreferCare: Preference Dataset Copyright Protection in LLM Alignment by Watermark Injection and Verification.
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
Flip, Don't Shuffle: Watermarking LLMs at the Speed of Inference
该论文提出了一种名为 Stateless Bernoulli Watermarking（SBW）的新型大语言模型（LLM）文本水印方法，旨在以极低的计算开销实现可靠的模型输出标记与检测。与现有方法如 KGW（基于词汇置换和固定大小绿名单）和
Rent-a-RAG: Embedding-Space Watermarks for Auditing Third-Party RAG
第三方检索增强生成（RAG）市场带来了新的审计问题：数据提供商将语料库授权给RAG运营商后，无法得知其文档是否被未经补偿地重复使用。由于运营商不合作、生成器会改写答案、且单次响应可能结合多个提供商的证据，审计尤为困难。为此，论文提出DirB
Poster: Detecting Adversarial Examples Hidden under Watermark Perturbation via Usable Information Theory.
本论文探讨图像水印扰动作为对抗性噪声时，对深度学习模型产生的欺骗威胁。传统对抗样本 (AE) 检测方法通常假设噪声为典型的扰动模式（如 Lp 范数约束），因此面对嵌入水印标志这类结构化噪声时往往失效，即水印扰动 AE 可绕过现有检测。文章提
One Prompt Is Enough: Watermark Laundering Through Foundation Image Models
该研究揭示了一种针对隐形水印的新型规避风险——水印清洗（watermark laundering）。传统上，隐形水印的鲁棒性测试仅针对压缩、模糊、噪声、裁剪、去噪等预定义扰动。然而，公开的基础图像模型（如 OpenAI 和 Google 的
WoE Wrote It? Watermarking Mixture-of-Experts LLMs for Black-Box Text Provenance
大型语言模型（LLM）水印技术为文本溯源提供了机制，使模型所有者能够识别机器生成内容并归属到特定水印模型。然而，现有LLM水印方法主要依赖推理时采样器，且聚焦于密集模型。这类方法仅在文本通过模型所有者受控API显式生成时有效，在模型被窃取或
Linguistic Holonomy and Statistical Watermarks: Inner Geometry of Meaning-Preserving Transformations
本论文针对语言模型统计水印在语义保持变换下的鲁棒性问题展开理论分析。现有研究通常通过比较改写前后文本的语义相似度（即“端点”度量）来评估改写对水印的破坏程度，但作者指出这种端点度量是错误的统计量。受数学中纤维丛和和乐（holonomy）概念
ClearStamp: A Human-Visible and Robust Model-Ownership Proof based on Transposed Model Training.
深度神经网络（DNN）在数据采集和训练过程中成本高昂，因此被视为模型创作者的知识产权。未经授权的使用、篡改或窃取可能引发法律纠纷。现有DNN水印方法大多嵌入不可见标记、依赖非直观的算法评估且缺乏人类可理解的属性，并依赖刚性阈值，在部分水印擦
Tracing Provenance and Detecting Tampering with Complementary LLM Watermarks
本文针对大语言模型（LLM）生成文本的溯源与篡改检测问题，提出了一种新型互补水印方法。现有水印技术通常对文本编辑具有鲁棒性，能够保持溯源属性，但这种鲁棒性也带来安全漏洞：攻击者可以在保留水印归属的同时对关键内容进行篡改，即所谓的“piggy
HaloMark: A Spectral Threshold for Embedding-Vector Watermarking under C2PA
HaloMark 论文提出了一种针对基础模型嵌入向量的水印方案，解决现有内容溯源机制（如 C2PA）无法直接应用于嵌入向量的问题。C2PA 标准通常与具有稳定位级或感知身份的资产绑定，但嵌入向量在量化、投影、微调和窗口平均等常规操作下会发生
Robust Watermarks Meet Backdoored Models: Evading Diffusion Semantic Watermarks via Stealthy Backdoor
本文研究了扩散模型语义水印系统的一个关键安全漏洞。语义水印被广泛用于保护潜在扩散模型（LDM）生成的图像版权，但其检测流程依赖神经网络，这引入了被植入后门的攻击面。作者提出了 GhostVAE，一种通过在后变分自编码器（VAE）的编码器中植
AI Watermark Evidence Fails Forensic Readiness: An Empirical Evaluation
本文针对各国政府强制要求LLM生成内容添加水印（如欧盟AI法案、加州SB 942）的背景下，检验水印检测结果是否足以作为法庭证据的可靠性。作者选取三种代表性水印方法——KGW、Unigram以及MarkLLM实现的SynthID-Text，
Watermark Forensics for Generative Models: An Information-Theoretic Perspective
本文从信息论角度系统分析了生成模型水印的取证能力。传统水印仅用于检测文本是否由机器生成，但本文提出水印还可用于用户归属（识别生成文本的用户）、隐藏载荷提取以及定位编辑后残留部分，这构成了一个“取证阶梯”（forensic ladder）。作
A Watermark for Vision-Language-Action and World Action Models
该论文提出了一种针对视觉-语言-动作（VLA）模型和世界动作模型（WAM）的知识产权保护方法。这类模型正成为通用机器人控制的核心，将原始摄像头输入直接转化为电机指令，通常以黑盒服务形式部署（参数私有化）。由于训练此类模型需要专有数据和大量算
Asking Back: Interaction-Layer Antidistillation Watermarks
这篇论文针对大型语言模型（LLM）API服务中难以检测的未授权知识蒸馏问题，提出了一种新颖的交互层反蒸馏水印方案。现有防御手段主要在教师模型的输出token层面施加水印，例如绿名单水印、密码学方案或反蒸馏采样，但这些方法容易被攻击者通过改写
Watermarking Game-Playing Agents in Perfect-Information Extensive-Form Games
本文首次研究了如何在完美信息扩展式博弈（如国际象棋）中对游戏代理的策略进行水印标记。受大型语言模型（LLM）水印技术（尤其是KGW方案）启发，作者提出了一种适应博弈场景的水印方法：在代理的策略中嵌入隐蔽信息，使得第三方可通过统计检验验证策略
FedAttr: Towards Privacy-preserving Client-Level Attribution in Federated LLM Fine-tuning
该论文提出了一种名为 FedAttr 的新协议，用于在联邦学习（FL）环境下对大型语言模型（LLM）微调过程进行客户端级别的归属分析。传统的基于水印的放射性检测方法已证明在集中式LLM微调中有效，但在联邦学习中面临挑战：联邦学习依赖安全聚合
Vol-Mark: A Watermark for 3D Medical Volume Data Via Cubic Difference Expansion and Contrastive Learning
该论文提出了一种名为 Vol-Mark 的新型可逆零水印方法，用于保护远程医疗中 3D 医学体积数据的完整性和所有权。针对医学体积数据在网络共享中面临的数据篡改和未授权复制等安全风险，Vol-Mark 设计了两个核心组件：一是利用对比学习构