Tokenization-Invariant Watermarking: A Byte-Local Method for LLM Text | AIChainDay

0단 자동

AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.

규칙 판: 규칙 판 도입 이전 기사입니다.
남기는 것: 규칙 판 · 모델 · 시각
판 기록: 아직 없습니다.

AI2026년 10월 14일AI 점수: 85%

Tokenization-Invariant Watermarking: A Byte-Local Method for LLM Text

출처:arXiv cs.CR (암호학·보안)

AI 인사이트

개발자

1.토큰화 방식과 무관하게 동작하는 바이트-로컬 워터마킹 'TI-WM' 제안, 탐지기가 토크나이저를 쓰지 않음
2.정규화된 UTF-8 바이트에 워터마크를 심고 채점, 정규화 보존 편집에는 점수가 변하지 않음
3.5% 단어편집 공격 시 평균 공격후 AUC가 Qwen3-8B 0.530, Gemma4 E4B 0.664로 Unigram보다 높음
4.가시적 삽입 공격은 정규화 범위 밖이면 방어를 무력화하나, 알파벳 필터링으로 해당 경로는 차단 가능

왜 중요한가?

서로 다른 토크나이저를 쓰는 모델 간에도 일관되게 적용 가능한 워터마킹으로, 다중 모델 환경에서 LLM 생성 텍스트 출처 추적의 견고성을 실증적으로 끌어올린다.

언급 프로젝트

TI-WM Qwen3-8B Gemma

본문 미리보기

arXiv:2610.14378v1 Announce Type: new Abstract: We introduce Tokenization-Invariant Watermarking (TI-WM), a method that embeds a watermark during token generation but keys and scores it on canonicalized UTF-8 bytes. The detector does not invoke the tokenizer. Canonicalizer-preserving edits leave its score unchanged; other localized canonical-byte edits affect a bounded number of scoring windows. Across three fixed keys and 128 prompts per key and model, a deterministic white-box attack at a 5%

전체 내용이 궁금하다면?

원문을 직접 읽어보세요

원문 보기