LLM 워터마크는 생성 텍스트의 출처를 추적하게 해주지만, 워터마크 정보를 복원하는 탈취 공격, 신호를 제거하는 스크러빙 공격, 워터마크가 있는 것처럼 위조하는 스푸핑 공격에 노출되어 있다. 그간 이 세 공격은 개별적으로 연구되어 상호 연관성이 불분명했고, 평가 방식도 탐지기 보정·지표 정의·보고 프로토콜이 통일되지 않은 상태였다. 연구진은 세 공격 유형을 통합 분석하는 프레임워크 MarkSec을 제안하고, 공격 성공률과 텍스트 품질을 함께 평가하는 품질 제약형 공격 성공 지표를 도입했다. 다양한 워터마크 계열·공격·LLM·데이터셋 실험 결과, 워터마크 제거 능력만으로 최강으로 보이던 공격이 텍스트 품질까지 요구하면 일반 재작성 기법에 뒤처지고, 특정 워터마크 계열에서는 탈취 기반 스크러버가 최선의 일반 스크러빙 기법보다 품질 조건 하에서 오히려 성능이 떨어졌다. 즉 겉보기 최강 공격의 순위가 텍스트 품질 제약과 공격 범용성, 공격자 능력 가정에 따라 뒤바뀔 수 있음을 보여준다.

• •워터마크 탈취·스크러빙·스푸핑 공격을 통합 평가하는 MarkSec 프레임워크 제안
• •공격 성공률과 텍스트 품질을 동시 평가하는 품질 제약형 공격 성공 지표 도입
• •워터마크 제거만으로 최강으로 보이던 공격이 품질 조건 부과 시 일반 재작성 기법보다 뒤지는 경우 발견
• •특정 워터마크 계열에서는 탈취 기반 스크러버가 품질 조건하에서 일반 스크러빙 베이스라인보다 저조