arXiv· Romina Omidi·· 10 天前推荐指数62
研究提出针对大模型统计生成水印的统一攻击框架
A Unified Attack Framework against Statistical Generative Watermarks for Large Language Models
AI 导读
该论文提出 score-ratio alignment 这一共性弱点，覆盖 KGW 及其变体、GumbelSoft、DipMark、ITS 和 SynthID 等主流 LLM 水印方案，攻击者仅需黑盒查询、无需密钥或模型权重即可生成规避检测且保持流畅的文本。
来源：arXiv · arxiv.org