Kerckhoffs-Compliant Watermarking for Physical Design IP Protection: From Placement to Routing
本文针对现代VLSI物理设计（PD）知识产权（IP）保护问题，提出了一种名为PDMarks的Kerckhoffs合规水印框架。物理设计IP包含优化后的单元布局、时钟分配和布线决策，是芯片设计流程的核心资产。随着PD工具的可访问性增加，未经授
#watermarking
共收录 54 条相关情报。
← 返回所有主题Attribute-based Undetectable Watermarking for Generative AI Models
本论文针对生成式 AI 模型输出内容的水印检测授权难题，提出了首个基于属性的水印方案（Attribute-based Watermarking）。现有密码学水印方法虽能保证未授权情况下输出与水印不可区分，但检测密钥一旦分发，持有者可任意检测
DHMark: Public-Key Watermarking for LLM-Generated Text via Diffie-Hellman-Guided Rejection Sampling
大语言模型（LLM）水印技术是追踪生成文本来源的重要机制。现有的统计水印方法通常有效且鲁棒，但多数依赖私有检测密钥，导致验证集中化并难以进行公开审计。近年出现的公开或公开可验证水印方案改善了密钥管理，但许多方案依赖于精确恢复嵌入的密码学字符
FARI: Robust One-Step Inversion for Watermarking in Diffusion Models
本文提出了一种名为 FARI（Fast Asymmetric Robust Inversion）的一步反演框架，用于扩散模型图像水印的鲁棒提取。传统基于反演的水印方法在验证扩散生成图像时，反演过程既慢又容易出错。现有方法过度优化内部截断误差
How to Watermark the RLWE Homomorphic Ciphertexts
本文针对基于环误差学习（RLWE）问题的同态加密（HE）方案在安全计算中的广泛应用，提出了一种面向RLWE密文的水印技术。现有HE方案主要关注计算可行性与效率，忽略了密文版权保护、来源认证和计算监管等实际需求。作者利用RLWE多项式的代数结
Collusion-Resistant Image-Agnostic Watermarking for Multi-Screen Shooting
屏幕拍摄（screen-shooting）对机密信息保护构成严重威胁。现有的屏幕拍摄水印方法虽然实现了版权验证，但不同屏幕上携带相同版权水印的图像往往表现出高度相似且可估计的水印模式。这些共享模式可被利用进行水印移除和伪造，作者将这种威胁称
Correlation-Aware and Gaussianity-Preserving Robust Latent Angular Watermarking for Diffusion Models
本文提出了一种用于扩散模型的鲁棒潜域水印方法，名为潜角水印（Latent Angular Watermarking, LAW）。针对现有潜域水印方法在保持潜变量高斯性方面存在缺陷，容易受到水印检测或移除攻击，以及水印嵌入后导致潜变量相关性退
Adversarial Watermarking Transformer: Towards Tracing Text Provenance with Data Hiding.
本文针对自然语言生成模型（如GPT）可能被滥用于生成虚假信息、钓鱼邮件等问题，提出了一种名为Adversarial Watermarking Transformer (AWT)的文本水印方法，用于追溯文本来源。AWT是一个端到端的编码器-解
WaterMoE: Expert-Routing-based Watermarking for High Fidelity and Efficiency
本文针对大型语言模型（LLM）水印技术在实际部署中面临的两大挑战——模型性能严重下降和额外推理开销——提出了基于混合专家（MoE）架构的水印方案 WaterMoE。作者首先构建了一个涵盖多种生成任务的综合基准，系统评估了9种代表性水印方法，
Beyond AI-Generated Labels: Watermarking, Co-Creation, and Conflation of AI-Generation with Disinformation
本文批判性地审视了当前广泛讨论的AI生成内容水印机制，指出其在区分机器与人类创作时的局限性。作者认为，将水印技术（尤其是不可见水印转换为可见的“AI生成”标签）应用于新闻、学术、公共宣传等以信息准确性为核心关注的领域，存在概念与实践上的根本
A Survey on LLM Watermarking: Theory and Deployment
本文是一篇关于大语言模型（LLM）水印技术的系统性综述，从理论和部署两个维度对现有研究进行了全面梳理。随着LLM在多个高影响力场景中的广泛应用，其生成的流畅文本带来了来源模糊、模型滥用和大规模内容洗稿等风险。LLM水印通过向模型输出中嵌入不
Selective Disclosure Watermarking for Large Language Models
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
PathMark: Protecting Intellectual Property of Mixture-of-Expert LLMs via Path Watermarks
本文关注于混合专家（MoE）大型语言模型的知识产权保护问题。现有的水印方案主要针对密集模型设计，假设水印参数被持续激活，但MoE的动态路由机制打破了这一假设，导致传统水印无法直接应用。此外，MoE模型存在两个关键脆弱性：脆弱的决策边界和路由
Robust Text Watermarking for Large Language Models via Dual Semantic Embeddings
该论文提出了一种名为双重嵌入水印（DEW）的语义水印方案，用于保护大型语言模型（LLM）生成的文本。DEW的核心创新在于同时利用上下文嵌入和词元级嵌入来增强水印对释义和翻译攻击的鲁棒性。方法采用信号处理框架，通过对词元和上下文的嵌入向量进行
SSLGuard: A Watermarking Scheme for Self-supervised Learning Pre-trained Encoders.
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
SentinelRAG: Synthetic Sentinel Knowledge for RAG Database Copyright Protection
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
Global Sketch-Based Watermarking for Diffusion Language Models
该论文提出了一种针对扩散语言模型的全局草图水印方法。与自回归模型中逐token顺序生成并依赖局部上下文的水印方案不同，扩散语言模型在生成过程中同时采样多个未确定位置的分布，使得整个序列的加性统计量在生成时是可处理的。作者利用这一特性，设计了
Cert-LAS: Toward Certified Model Ownership Verification for Text-to-Image Diffusion Models via Layer-Adaptive Smoothing
随着文本到图像（T2I）扩散模型在创意应用中的广泛使用，模型被未经授权使用的问题日益严重，模型所有权验证（MOV）成为保护知识产权的重要手段。现有基于后门的扩散模型水印方法通常隐含假设验证过程是“忠实”的，即验证者可以查询可疑模型并获得可信
LoRA-Key: User-Centric LoRA Watermarking for Text-to-Image Diffusion Models
随着低秩适应（LoRA）在文本到图像扩散模型中的广泛使用，轻量级LoRA模块作为独立资产被共享、复用和商业化，形成了以LoRA为中心的生态系统。这种生态将版权保护的需求从基础模型转移到了分布式LoRA模块上，而后者极易被未经授权地复制、重新
Implicit Identity Technologies for LLMs: Fingerprinting and Watermarking across Datasets, Models, and Generated Content
本文是一篇针对大型语言模型（LLM）领域内指纹识别与水印技术的综述论文，旨在统一术语、生命周期阶段和评估目标，为LLM资产保护与溯源建立结构化基础。LLM的研发需要大量数据、算力和专业知识，且正被部署于高风险场景，因此保护LLM相关资产并追