2025_NIPS_Practical and Effective Code Watermarking for Large Language Models

文章总结与翻译

一、主要内容总结

该研究针对大语言模型（LLMs）代码生成场景下的知识产权保护问题，提出了一种基于抽象语法树（AST）引导的代码水印框架ACW（AST-guided Code Watermarking）。核心目标是在不影响代码功能的前提下，实现可检测、鲁棒且无需依赖原始模型或生成上下文的代码水印方案。

核心背景与挑战

1. 行业痛点：LLMs生成的代码与人类编写代码界限模糊，导致代码归属权认证、知识产权保护困难。
2. 技术挑战：
   • 代码语法和语义约束严格，水印嵌入易破坏功能（约束水印位置问题）；
   • 传统红绿列表随机划分词汇可能导致语义有效 token 全被归为红列表，或水印分布无统计区分度（词汇划分语义约束问题）；
   • 现有方法多需访问原始LLM、完整生成序列或模型参数，实用性受限。

框架核心设计

1. 水印分区网络（WPN）：基于Transformer架构，输出两部分结果——用于词汇红绿划分的logits和标识水印嵌入位置的开关概率，实现即插即用。
2. AST引导训练：通过AST分析识别语义等价的代码表达式，生成多样化训练数据；利用分支熵量化水印嵌入可行性，引导模型识别高灵活性嵌入位置。
3. log