跳到正文
热点事件历史事件

SBW：LLM智能体语义行为水印

1 篇报道1 个报道来源5 天前更新

先了解这件事

AI 综述

Suxin Ji 提出语义行为水印（SBW），在历史条件下对语义动作簇而非精确动作符号嵌入水印，并用带密钥的抗碰撞分箱替代公开簇分箱。论文称该分箱的新桶分配在随机预言机模型下可证明不可预测。 在五个智能体模型（3B-14B，四家厂商）和三个编码器上，ToolBench 改写场景下簇级检测率为 0.49-0.66，精确符号方案仅 0.05-0.17；ALFWorld 上为 0.92-0.97 对 0.00-0.01。论文称改写鲁棒性约损失一半的每步水印容量。 对抗方面，论文称当攻击者复制受害者自身步骤时，乱序拼接被中和（Qwen2.5-3B 上为 0.000），但链式重放在五个模型上仍达 0.76-0.98，论文将其列为未解决问题。代码已公开。

AI 根据报道生成 · 3 天前更新

最新进展10月7日 00:50
SBW：面向 LLM 智能体的抗改写、抗伪造语义行为水印

报道时间线

沿着报道，了解事件的不同侧面。

10月7日
  1. arXiv 隐私论文精选
    SBW：面向 LLM 智能体的抗改写、抗伪造语义行为水印

    论文提出语义行为水印（SBW），在历史条件下对语义动作簇而非精确动作符号嵌入水印，并用带密钥的抗碰撞分箱替代公开簇分箱。在五个智能体模型（3B-14B，四家厂商）和三个编码器上，ToolBench 改写场景下簇级检测率为 0.49-0.66，精确符号方案仅 0.05-0.17；ALFWorld 上为 0.92-0.97 对 0.00-0.01。