arXiv · NLP· Pawe{\l} Batorski, Przemys{\l}aw Spurek, Paul Swoboda·· 2026-10-14AI 评分33
研究提出无密钥攻击方案,可篡改多比特 LLM 水印中的账户标识
Pin It on Anyone: Certified Targeted Displacement of Multi-Bit LLM Watermarks Without the Key
AI 导读
研究首次提出“定向置换”攻击,无需秘钥即可篡改 LLM 多比特水印中嵌入的账户 ID。 攻击仅需访问少量 LLM 账户及模型 logits,在 5 种水印方法和 4 个 LLM 上验证,成功率高且符合理论概率边界。
来源:arXiv · NLP · arxiv.org