CoTSRF：将链状推理用作大型语言模型的隐形且稳健指纹
密码学与安全
2025-05-23 v1 人工智能
摘要
尽管提供了优异的性能，开源大型语言模型 (LLMs) 仍面临滥用风险。为此，近期研究提出了 LLM 指纹识别方法以识别疑似应用背后的具体来源 LLM。然而，这些方法未能提供隐形且稳健的指纹验证。本文提出一种新型 LLM 指纹方案，即 CoTSRF，其利用链状推理 (CoT) 作为 LLM 的指纹。CoTSRF 首先通过使用精心设计的 CoT 查询收集源 LLM 的响应。随后，它应用对比学习训练一个 CoT 提取器，从响应中提取 CoT 特征 (即指纹)。最后，CoTSRF 通过将源 LLM 和疑似 LLM 的 CoT 特征之间的 Kullback-Leibler 散度与经验阈值进行比较来进行指纹验证。针对 CoTSRF 在 LLM 指纹识别中提供的隐形性和稳健性优势，进行了各种实验以予以展示。
引用
@article{arxiv.2505.16785,
title = {CoTSRF: Utilize Chain of Thought as Stealthy and Robust Fingerprint of Large Language Models},
author = {Zhenzhen Ren and GuoBiao Li and Sheng Li and Zhenxing Qian and Xinpeng Zhang},
journal= {arXiv preprint arXiv:2505.16785},
year = {2025}
}