LLM 水印公开检测风险与双阶段验证机制研究

该论文量化评估了公开 LLM 水印检测器在不同访问权限下的额外风险，并提出一种拆分密钥（split-key）的水印方法，将部分密钥暴露给公共检测器，保留另一部分用于完整验证和取证。研究发现，知情攻击者仅能移动公开信号，导致公开与私有分数失衡，而统计测试结合双阶段机制可有效识别此类篡改。实验表明，公开检测仅在编辑预算较小时提升移除难度，因为简单改写即可在低质量成本下剥离水印，但同时也使伪造成为可能，而私有流程能识别这些伪造行为。 核心证据在于：公开半密钥虽允许攻击者调整公开信号，却制造了公开与私有分数的不可调和失衡；这种失衡通过统计检验被捕捉，并与全密钥判决结合形成双重防线。材料未提及具体模型名称、参数量或部署场景，仅基于理论建模与模拟攻击进行评估。 事实层面，论文证明了公开检测器并非绝对有害，而是改变了攻击者的能力边界；推断层面，该机制可能降低提供商责任并推动互操作性；猜测层面，实际工业落地需解决实时性与误报率问题，但原文未涉及工程实现细节。