水印审计可以被推理端抹掉:Logit Laundering让检测p值平均升513倍,版权知识仍留56.8%
数据水印审计依赖模型输出中可检测的统计信号,而非合规的模型提供方可以在推理阶段改写输出分布来削弱这些信号。Logit Laundering在不动模型参数的前提下,用一个统计偏置估计器减去水印相关的logit偏置,并按下一词预测置信度调节抑制强度。在五个基础模型和多种主流审计方法上,检测p值平均升高513倍、信号变得统计不显著,同时相对原始基础模型保留56.8%的平均版权知识提升。
数据水印审计依赖模型输出中可检测的统计信号,而非合规的模型提供方可以在推理阶段改写输出分布来削弱这些信号。Logit Laundering在不动模型参数的前提下,用一个统计偏置估计器减去水印相关的logit偏置,并按下一词预测置信度调节抑制强度。在五个基础模型和多种主流审计方法上,检测p值平均升高513倍、信号变得统计不显著,同时相对原始基础模型保留56.8%的平均版权知识提升。
已读完全部报道