BriefGPT - AI 论文速递
·
WavMark: 音频生成的水印技术
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文介绍了一种在自回归语言模型中种植水印的方法，该方法对扰动具有鲁棒性，并且不改变文本分布。实验证明该方法对各种释义攻击具有统计功率和鲁棒性。
🎯
关键要点
- 提出了一种在自回归语言模型中种植水印的方法，具有鲁棒性且不改变文本分布。
- 使用随机水印密钥生成带水印的文本，通过随机数序列映射到语言模型的样本。
- 检测带水印文本的方法是将文本与随机数序列对齐，任何知道密钥的一方都可以进行检测。
- 采用逆变换采样和指数最小采样两种方案来实例化水印方法。
- 在三个语言模型（OPT-1.3B，LLaMA-7B 和 Alpaca-7B）上进行实验，验证其对释义攻击的统计功率和鲁棒性。
- 在OPT-1.3B和LLaMA-7B模型中，即使破坏40-50%的标记，仍能可靠检测带水印文本（p≤0.01）。
- 对于Alpaca-7B模型，水印响应的检测较困难，约25%的响应可以在p≤0.01条件下检测到。
➡️
