水印论文仓库
该存储库包括关于文本和图像水印的论文。
文本水印
-
LLM生成代码的水印是否具有鲁棒性? Tiny ICLR 2024
-
Tarun Suresh, Shubham Ugare, Gagandeep Singh, Sasa Misailovic
-
-
迈向更好的水印LLM的统计理解。 预印本。
-
Zhongze Cai, Shang Liu, Hanzhao Wang, Huaiyang Zhong, Xiaocheng Li
-
-
WatME:通过词汇冗余实现无损水印。 ACL 2024.
- Liang Chen, Yatao Bian, Yang Deng, Deng Cai, Shuaiyi Li, Peilin Zhao, Kam-fai Wong
- https://arxiv.org/abs/2311.09832
-
基于主题的LLM生成文本的水印。 预印本。
-
Alexander Nemecek, Yuzhou Jiang, Erman Ayday
-
-
LLM水印的统计框架:枢轴、检测效率和最优规则。 预印本。
-
Xiang Li, Feng Ruan, Huiyuan Wang, Qi Long, Weijie J. Su
-
-
WaterJudge:大型语言模型水印的质量与检测效率权衡。 预印本。
-
Piotr Molenda, Adian Liusie, Mark J. F. Gales
-
-
Duwak:大型语言模型中的双重水印。 预印本。
-
Chaoyi Zhu, Jeroen Galjaard, Pin-Yu Chen, Lydia Y. Chen
-
-
陷入重叠:探索LLM中的水印冲突。 预印本。
-
Yiyang Luo, Ke Lin, Chao Gu
-
-
WaterMax: 打破LLM的水印可检测性-鲁棒性-质量权衡。 预印本。
-
Eva Giboulot, Furon Teddy
-
-
WARDEN:用于服务嵌入的多方向后门水印版权保护。 预印本。
-
Anudeex Shetty, Yue Teng, Ke He, Qiongkai Xu
-
-
EmMark:针对嵌入式量化大型语言模型的鲁棒水印知识产权保护。 预印本。
-
Ruisi Zhang, Farinaz Koushanfar
-
-
Token-Specific Watermarking with Enhanced Detectability and Semantic Coherence for Large Language Models. 预印本。
-
Mingjia Huo, Sai Ashish Somayajula, Youwei Liang, Ruisi Zhang, Farinaz Koushanfar, Pengtao Xie
-
-
利用其优势攻击LLM水印。 预印本。
-
Qi Pang, Shengyuan Hu, Wenting Zheng, Virginia Smith
-
-
无损多比特水印用于大型语言模型。 预印本。
- Massieh Kordi Boroujeny, Ya Jiang, Kai Zeng, Brian Mark
- https://arxiv.org/abs/2402.16578
-
水印使语言模型变得放射性。 预印本。
-
Tom Sander, Pierre Fernandez, Alain Durmus, Matthijs Douze, Teddy Furon
-
-
水印能否在翻译中存活?关于大型语言模型文本水印的跨语言一致性。 预印本。
-
Zhiwei He, Binglin Zhou, Hongkun Hao, Aiwei Liu, Xing Wang, Zhaopeng Tu, Zhuosheng Zhang, Rui Wang
-
-
GumbelSoft: 通过GumbelMax-trick实现多样化的语言模型水印。 预印本。
-
Jiayi Fu, Xuandong Zhao, Ruihan Yang, Yuansen Zhang, Jiangjie Chen, Yanghua Xiao
-
-
k-SemStamp: 基于聚类的语义水印,用于检测机器生成的文本。 预印本。
-
Abe Bohan Hou, Jingyu Zhang, Yichen Wang, Daniel Khashabi, Tianxing He
-
-
通过数据水印证明LLM预训练数据中的成员身份。 预印本。
-
Johnny Tian-Zheng Wei, Ryan Yixiang Wang, Robin Jia
-
-
Permute-and-Flip: 一种用于LLM的最优鲁棒和可水印解码器。 预印本。
- Xuandong Zhao, Lei Li, Yu-Xiang Wang
- https://arxiv.org/abs/2402.05864
-
通过纠错码实现的AI生成文本的多比特可证鲁棒水印。 预印本。
- Wenjie Qu, Dong Yin, Zixin He, Wei Zou, Tianyang Tao, Jinyuan Jia, Jiaheng Zhang
- https://arxiv.org/abs/2401.16820
-
大型语言模型的指导指纹。 预印本。
- Jiashu Xu, Fei Wang, Mingyu Derek Ma, Pang Wei Koh, Chaowei Xiao, Muhao Chen
- https://arxiv.org/abs/2401.12255
-
大型语言模型的自适应文本水印。 预印本。
- Yepeng Liu, Yuheng Bu
- https://arxiv.org/abs/2401.13927
-
对不起, 先生? 你的语言模型在泄漏(信息) 预印本。
-
Or Zamir
-
-
大型语言模型的交叉注意力水印。 ICASSP2024.
-
Folco Bertini Baldassini, Huy H. Nguyen, Ching-Chung Chang, Isao Echizen
-
-
优化大型语言模型的水印。 预印本。
-
Bram Wouters
-
-
迈向最优统计水印。 预印本。
-
Baihe Huang, Banghua Zhu, Hanlin Zhu, Jason D. Lee, Jiantao Jiao, Michael I. Jordan
-
-
大型语言模型时代的文本水印调查。 预印本。 调查论文。
-
Aiwei Liu, Leyi Pan, Yijian Lu, Jingjing Li, Xuming Hu, Lijie Wen, Irwin King, Philip S. Yu
-
-
语言模型的水印学习能力。 预印本。
-
Chenchen Gu, Xiang Lisa Li, Percy Liang, Tatsunori Hashimoto
-
-
新的评估指标捕捉由于LLM水印导致的质量下降。 预印本。
-
Karanpartap Singh, James Zou
-
-
标记我的话:分析和评估语言模型水印。 预印本。
-
Julien Piet, Chawin Sitawarin, Vivian Fang, Norman Mu, David Wagner
-
-
我知道你没有写那个! 一种基于采样的水印方法,用于识别机器生成的文本。 预印本。
-
Kaan Efe Keleş, Ömer Kaan Gürbüz, Mucahid Kutlu
-
-
通过词重要性评分提高水印大语言模型的生成质量。 预印本。
- Yuhang Li, Yihan Wang, Zhouxing Shi, Cho-Jui Hsieh
- https://arxiv.org/abs/2311.09668
-
大型语言模型水印的性能权衡。 预印本。
- Anirudh Ajith, Sameer Singh, Danish Pruthi
- https://arxiv.org/abs/2311.09816
-
WaterBench: 迈向大型语言模型水印的整体评估。 ACL 2024.
- Shangqing Tu, Yuliang Sun, Yushi Bai, Jifan Yu, Lei Hou, Juanzi Li
- https://arxiv.org/abs/2311.07138
- 基准数据集
-
沙中的水印:生成模型强水印的不可能性。 预印本。
-
Hanlin Zhang, Benjamin L. Edelman, Danilo Francati, Daniele Venturi, Giuseppe Ateniese, Boaz Barak
-
-
REMARK-LLM: 面向生成型大型语言模型的鲁棒高效水印框架。 预印本。
- Ruisi Zhang, Shehzeen Samarah Hussain, Paarth Neekhara, Farinaz Koushanfar
- https://arxiv.org/abs/2310.12362
-
尴尬简单的文本水印。 预印本。
- Ryoma Sato, Yuki Takezawa, Han Bao, Kenta Niwa, Makoto Yamada
- https://arxiv.org/abs/2310.08920
-
大型语言模型的必要和足够水印。 预印本。
- Yuki Takezawa, Ryoma Sato, Han Bao, Kenta Niwa, Makoto Yamada
- https://arxiv.org/abs/2310.00833
-
功能不变性用于大型变形金刚的水印。 预印本。
- Fernandez Pierre, Couairon Guillaume, Furon Teddy, Douze Matthijs
- https://arxiv.org/abs/2310.11446
-
使用权重量化进行LLM水印。 EMNLP2023研究成果。
- Linyang Li, Botian Jiang, Pengyu Wang, Ke Ren, Hang Yan, Xipeng Qiu
- https://arxiv.org/abs/2310.11237
-
DiPmark: 大型语言模型的隐蔽、高效和弹性水印。 预印本。
- Yihan Wu, Zhengmian Hu, Hongyang Zhang, Heng Huang
- https://arxiv.org/abs/2310.07710
-
针对大型语言模型的语义不变鲁棒水印。 预印本。
- Aiwei Liu, Leyi Pan, Xuming Hu, Shiao Meng, Lijie Wen
- https://arxiv.org/abs/2310.06356
-
SemStamp: 针对文本生成的具有释义鲁棒性的语义水印。 预印本。
- Abe Bohan Hou, Jingyu Zhang, Tianxing He, Yichen Wang, Yung-Sung Chuang, Hongwei Wang, Lingfeng Shen, Benjamin Van Durme, Daniel Khashabi, Yulia Tsvetkov
- https://arxiv.org/abs/2310.03991
-
超越识别:多比特语言模型水印。 预印本。
- KiYoon Yoo, Wonhyuk Ahn, Nojun Kwak。
- https://arxiv.org/abs/2308.00221
-
整合大型语言模型水印的三个基础。 预印本。
- Pierre Fernandez, Antoine Chaffin, Karim Tit, Vivien Chappelier, Teddy Furon。
- https://arxiv.org/abs/2308.00113
-
面向编码文本水印的大型语言模型。 预印本。
- Lean Wang, Wenkai Yang, Deli Chen, Hao Zhou, Yankai Lin, Fandong Meng, Jie Zhou, Xu Sun。
- https://arxiv.org/abs/2307.15992
-
大型语言模型的私人水印。 预印本。
- Aiwei Liu, Leyi Pan, Xuming Hu, Shu'ang Li, Lijie Wen, Irwin King, Philip S. Yu。
- https://arxiv.org/abs/2307.16230
-
鲁棒且无失真的语言模型水印。 预印本。
- Rohith Kuditipudi, John Thickstun, Tatsunori Hashimoto, Percy Liang。
- https://arxiv.org/abs/2307.15593
-
水印条件文本生成以进行AI检测:揭示挑战与语义感知水印补救措施。 预印本。
- Yu Fu, Deyi Xiong, Yue Dong。
- https://arxiv.org/abs/2307.13808
-
AI生成文本的可证明鲁棒水印。 预印本。
- Xuandong Zhao, Prabhanjan Ananth, Lei Li, Yu-Xiang Wang。
- https://arxiv.org/abs/2306.17439
-
大型语言模型水印的可靠性。 预印本。
- John Kirchenbauer, Jonas Geiping, Yuxin Wen, Manli Shu, Khalid Saifullah, Kezhi Kong, Kasun Fernando, Aniruddha Saha, Micah Goldblum, Tom Goldstein。
- https://arxiv.org/abs/2306.04634
-
语言模型的不可检测水印。 预印本。
- Miranda Christ, Sam Gunn, Or Zamir。
- https://arxiv.org/abs/2306.09194
-
大型语言模型文本数据的水印用于数据集版权保护。 预印本。
- Yixin Liu, Hongsheng Hu, Xuyun Zhang, Lichao Sun。
- https://arxiv.org/abs/2305.13257
-
识别大规模语言模型水印的基准。 预印本。
- Leonard Tang, Gavin Uberti, Tom Shlomi。
- https://arxiv.org/abs/2305.18456
-
谁写了这段代码?代码生成的水印。 预印本。
- Taehyun Lee, Seokhee Hong, Jaewoo Ahn, Ilgee Hong, Hwaran Lee, Sangdoo Yun, Jamin Shin, Gunhee Kim。
- https://arxiv.org/abs/2305.15060
-
通过不变量特征实现鲁棒多比特自然语言水印。 ACL 2023。
- KiYoon Yoo, Wonhyuk Ahn, Jiho Jang, Nojun Kwak。
- https://arxiv.org/abs/2305.01904
-
你在抄我的模型吗?通过后门水印保护EaaS的大型语言模型版权。 ACL 2023。
- Wenjun Peng, Jingwei Yi, Fangzhao Wu, Shangxi Wu, Bin Zhu, Lingjuan Lyu, Binxing Jiao, Tong Xu, Guangzhong Sun, Xing Xie。
- https://arxiv.org/abs/2305.10036
-
对黑箱语言模型生成的文本进行水印标记。 预印本。
- Xi Yang, Kejiang Chen, Weiming Zhang, Chang Liu, Yuang Qi, Jie Zhang, Han Fang, Nenghai Yu。
- https://arxiv.org/abs/2305.08883
-
通过隐形水印保护语言生成模型。 ICML 2023。
- Xuandong Zhao, Yu-Xiang Wang, Lei Li。
- https://arxiv.org/abs/2302.03162
-
大型语言模型的水印。 ICML 2023。优秀论文奖
- John Kirchenbauer, Jonas Geiping, Yuxin Wen, Jonathan Katz, Ian Miers, Tom Goldstein。
- https://arxiv.org/abs/2301.10226
-
针对NLP模型保护的抗蒸馏水印。 EMNLP 2022
- Xuandong Zhao, Lei Li, Yu-Xiang Wang。
- https://arxiv.org/abs/2210.03312
-
CATER:通过条件水印实现文本生成API的知识产权保护。 NeurIPS 2022
- Xuanli He, Qiongkai Xu, Yi Zeng, Lingjuan Lyu, Fangzhao Wu, Jiwei Li, Ruoxi Jia。
- https://arxiv.org/abs/2209.08773
-
对抗水印变压器:通过隐藏数据追踪文本来源。 IEEE S&P 2021
- Sahar Abdelnabi, Mario Fritz。
- https://arxiv.org/abs/2009.03015
-
对GPT输出进行水印标记。 演示文稿 2023
- Scott Aaronson, Hendrik Kirchner
- https://www.scottaaronson.com/talks/watermark.ppt
-
在结构化预测输出上进行水印标记,并应用于统计机器翻译。 EMNLP 2011
-
Ashish Venugopal, Jakob Uszkoreit, David Talbot, Franz Och, Juri Ganitkevitch。
-
图像水印
- 用于潜在扩散模型的灵活且安全的水印。 MM23.
- Cheng Xiong, Chuan Qin, Guorui Feng, Xinpeng Zhang
- https://dl.acm.org/doi/abs/10.1145/3581783.3612448
- 利用优化对图像水印进行自适应攻击。 预印本。
- Nils Lukas, Abdulrahman Diaa, Lucas Fenaux, Florian Kerschbaum
- https://arxiv.org/abs/2309.16952
- 无处不在地捕捉你:通过概念水印守护文本反转。 预印本。
- Weitao Feng, Jiyan He, Jie Zhang, Tianwei Zhang, Wenbo Zhou, Weiming Zhang, Nenghai Yu
- https://arxiv.org/abs/2309.05940
- 嘿,这是我的:扩散生成的输出中保留不可感知的水印。 预印本。
- Luke Ditria, Tom Drummond
- https://arxiv.org/abs/2308.11123
- 针对未经授权的主体驱动图像生成的生成性水印。 预印本。
- Yihan Ma, Zhengyu Zhao, Xinlei He, Zheng Li, Michael Backes, Yang Zhang
- https://arxiv.org/abs/2306.07754
- 使用生成式AI可证明地去除不可见图像水印。 预印本。
- Xuandong Zhao, Kexun Zhang, Zihao Su, Saastha Vasan, Ilya Grishchenko, Christopher Kruegel, Giovanni Vigna, Yu-Xiang Wang, Lei Li。
- https://arxiv.org/abs/2306.01953
- 年轮水印:看不见且坚固的扩散图像指纹。 预印本。
- Yuxin Wen, John Kirchenbauer, Jonas Geiping, Tom Goldstein。
- https://arxiv.org/abs/2305.20030
- 规避基于水印检测的AI生成内容。 CCS 2023。
- Zhengyuan Jiang, Jinghuai Zhang, Neil Zhenqiang Gong。
- https://arxiv.org/abs/2305.03807
- 稳定签名:在潜在扩散模型中植根的水印。 ICCV 2023。
- Pierre Fernandez, Guillaume Couairon, Hervé Jégou, Matthijs Douze, Teddy Furon。
- https://arxiv.org/abs/2303.15435
- 在自监督潜在空间中对图像进行水印标记。 ICASSP 2022。
- Pierre Fernandez, Alexandre Sablayrolles, Teddy Furon, Hervé Jégou, Matthijs Douze。
- https://arxiv.org/abs/2112.09581