VOW 论文提出基于可验证盲伪随机函数的 LLM 水印检测与审计机制

该论文针对大模型生成内容监管中对称密钥水印导致检测权仅归持有者所有的问题，提出了 VOW（Verifiable and Oblivious Watermark Detection）方案，旨在实现组织对自有敏感内容的第三方可验证审计。方案利用可验证盲伪随机函数评估检测器的密钥组件，在不向检测服务暴露输入的前提下完成计算，同时保留提供商的水印密钥，确保审计结果既不可篡改又无需依赖提供商交互。

在技术细节上，系统通过发布签名设置记录固定公钥和检测器规范，生成的证明将返回的评估结果与该密钥绑定，使得审计方能在本地统计并做出决策，服务商无法伪造正确结果。实验数据显示，在设定 $10^{-5}$ 的误报率下，VOW 能检测到 99.4% 的 200-token 水印文本，且保持具有竞争力的文本质量和实际开销。然而，研究也指出显式条件构造的 Oracle 辅助文本虽能通过 Green-Red 等三种检测器，但改写（Paraphrasing）会显著削弱所有被评估方案的鲁棒性，限制了基于水印的审计仅适用于相对完整的内容。

事实层面，该研究属于密码学与 AI 安全交叉领域，核心贡献在于解耦了检测执行与密钥持有。推断表明，这种架构可能成为未来企业级 AI 合规审计的标准组件，特别是当数据主权要求严格隔离时。猜测方面，若该方案被主流模型厂商采纳，可能会推动行业从“黑盒检测”转向“白盒可验证”的监管模式，但也需警惕改写攻击导致的防御失效风险。