统一攻击框架可绕过主流LLM统计水印

黑盒攻击可将主流LLM水印检测率降至至多0.05

资讯摘要

论文提出一种针对LLM统计生成水印的统一攻击框架，指出KGW及其变体、GumbelSoft、DipMark、ITS、SynthID等方法存在“分数-比率对齐”共性弱点：检测分数与生成时的token概率偏移直接相关。攻击者仅需黑盒查询、无需密钥或模型权重，即可生成流畅且规避检测的文本。作者证明该攻击在覆盖的水印族中最优，并在七种水印、三个LLM及任务上评估，称检测率降至至多0.05且保持文本质量。

要点速读

1. 论文识别出KGW及变体、GumbelSoft、DipMark、ITS、SynthID等水印共享的“分数-比率对齐”弱点
2. 攻击仅需黑盒查询，无需秘密密钥或模型权重，即可生成流畅且规避检测的文本
3. 作者在七种水印方案、三个LLM及任务上评估，报告检测率降至至多0.05，并称该弱点为内在属性

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/3 08:00:27（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。