跳到主要内容
返回时间线
arXiv来源发表:

代码水印遇上大模型改写:RoCoMark 把攻防做成多轮博弈,改写后检测 AUROC 达 74.2%

核心概要

大模型能在保持功能不变的前提下重写代码,使已有代码水印的语法与结构特征被大幅改动,检测随之失效。RoCoMark 把水印嵌入器与大模型改写器放进多轮攻防博弈:嵌入器先用对比学习和知识蒸馏学习改写后仍稳定的表示,再与同步进化的改写策略共同训练。在四个基准、五种大模型生成的改写攻击下,其平均检测 AUROC 为 74.2%,改写后比特准确率 75.3%,代码功能通过率高于 99.7%。

Source-provided article image: RoCoMark: Robust Code Watermarking Against LLM-Based Functionality-Preserving Rewriting Attacks
arXiv

深度剖析

RoCoMark 让代码水印在经受大模型保持功能的整段重写后仍可被检测,而不只是在变量改名这类局部扰动下有效。 此前的神经代码水印方法依赖预定义的保持功能变换或固定攻击模型,训练时没有把大模型改写作为对抗威胁纳入,因此面对变量替换、循环结构替换和公式等价变换等改写时性能明显下降。 在 HumanEval、MBPP、EvalPlus 和 APPS 四个基准上,用 GPT-5.5、DeepSeek-V4-Flash、MiMo-V2.5-Pro、GLM-5 和 Claude-Sonnet-4.5 五种大模型生成改写攻击,RoCoMark 在五种攻击下都取得最高 AUROC;在 MiMo-V2.5-Pro 攻击下 AUROC 为 0.7408、TPR 为 0.4638,高于 RoSeMary 的 0.7182 和 0.4062 以及 SrcMarker 的 0.6948 和 0.3617,同时 FPR 降到 0.0463。

水印嵌入器通过一轮轮吸收改写策略来提升鲁棒性,改写器则同步升级攻击提示,形成持续对抗。 嵌入器先以变量替换和抽象语法树变换做冷启动预热,再进入威胁刻画与策略改进两个阶段,而不是一次性在固定变换集上训练。 威胁刻画阶段用对比学习和知识蒸馏约束编码器表示,使改写前后代码的表示保持稳定;策略改进阶段同时优化编码器与提取器,并用基于 Reflexion 的提示进化机制配合短期和长期记忆池生成更强的改写。消融在 MBPP 上以 MiMo-V2.5-Pro 的改写评估:威胁刻画把改写 AUROC 从 0.7061 提到 0.7299,加入策略改进后到 0.7320,多轮优化在第 2 轮达到 0.7408,第 3 轮略降至 0.7403。

启示与展望

演示范围是 Python 代码:在 CodeSearchNet 的 Python 子集上训练,在 HumanEval、MBPP、EvalPlus 和 APPS 上评估,攻击来自五种大模型生成的保持功能改写以及不同比例的变量改名。读者应把它看作改写攻击下的水印鲁棒性评估,而不是跨语言或任意代码库的部署结论。

多轮策略改进在第 2 轮后不再提升,第 3 轮 AUROC 略降,作者将其归因于对固定改写分布的过拟合。改写后的比特准确率随水印长度增加而下降,8 位时 RoCoMark 为 0.9122,作者指出这受可用变换空间限制。跨语言改写下的鲁棒性被列为后续工作。