On the Cross-lingual Consistency of Text Watermark for Large Language Models

本文是LLM系列文章，针对《Can Watermarks Survive Translation? On the Cross-lingual Consistency of Text Watermark for Large Language Models》的翻译。

摘要

文本水印技术旨在标记和识别大型语言模型（LLM）产生的内容，以防止误用。在这项研究中，我们在文本水印中引入了“跨语言一致性”的概念，该概念评估文本水印在被翻译成其他语言后保持其有效性的能力。两种LLM和三种水印方法的初步实验结果表明，当前的文本水印技术在将文本翻译成各种语言时缺乏一致性。基于这一观察结果，我们提出了一种跨语言水印去除攻击（CWRA），通过首先从枢轴语言的LLM获得响应，然后将其翻译成目标语言来绕过水印。CWRA可以通过将曲线下面积（AUC）从0.95降低到0.67来有效地去除水印，而不会造成性能损失。此外，我们分析了影响文本水印跨语言一致性的两个关键因素，并提出了一种在CWRA下将AUC从0.67提高到0.88的防御方法。

1 引言

2 背景

3 文本水印的跨语言一致性

4 跨语言水印去除攻击

5 提高跨语言一致性

6 相关工作

7 结论

这项工作旨在研究LLM水印方法的跨语言一致性。我们首先对LL