2025_NIPS_Enhancing LLM Watermark Resilience Against Both Scrubbing and Spoofing Attacks

文章核心总结

该研究聚焦大语言模型（LLM）水印技术面临的擦除攻击（scrubbing）和伪造攻击（spoofing）困境，提出了基于“等效纹理密钥”（equivalent texture keys）的水印方案 SEEK（Sub-vocabulary decomposed Equivalent tExture Key）。核心突破是打破了传统水印中“窗口大小”与两种攻击抗性的固有权衡，通过子词汇表分解机制，在不降低文本质量的前提下，实现了帕累托最优的攻击防御效果。

主要创新点

1. 发现“等效纹理密钥”机制：水印窗口内多个令牌可独立支撑水印检测，通过增加该密钥密度，即便使用大窗口也能提升擦除攻击抗性。
2. 提出SEEK方案：将词汇表拆分为互不重叠的子词汇表，独立构建子绿色列表后合并，既保证等效纹理密钥密度，又避免哈希空间缩小导致的文本质量下降。
3. 实现双重抗性提升：在WikiText、C4等数据集上，相较于KGW系列基线，SEEK的擦除攻击抗性提升8.6%-13.4%，伪造攻击抗性提升82.0%-92.3%，且文本质量与无水印文本接近。

---

翻译部分（Markdown格式）

Abstract

水印技术是防范大语言模型（LLM）滥用的有效手段，但仍易受擦除攻击和伪造攻击影响。这种脆弱性源于水印窗口大小带来的固有权衡：窗口越小，抗擦除能力越强，但越易被逆向工程，从而遭遇低成本的基于统计的伪造攻击。本文通过引入“等效纹理密钥”机制拓展了这一权衡边界—