用于检测 LLM 生成代码的高效通用水印技术
密码学与安全
2025-08-04 v4
摘要
大型语言模型 (LLM) 显著增强了 AI 生成代码的可用性，为程序员提供了有效协助。这一进步也引发了伦理和法律担忧，例如学术不端或恶意代码的生成。为了落实问责制，必须检测一段代码是否由 AI 生成。水印技术被广泛认为是一种有前景的解决方案，并已成功应用于识别 LLM 生成的文本。然而，现有针对代码的努力远非理想，存在通用性有限以及时间和内存消耗过大的问题。在本工作中，我们提出了一种即插即用的 AI 生成代码检测水印方法，名为 ACW (AI Code Watermarking)。ACW 无需训练，其工作原理是对 LLM 代码输出选择性地应用一组精心设计的、保持语义且幂等的代码变换。这些变换的存在与否构成了隐式水印，从而实现了对 AI 生成代码的检测。实验结果表明，ACW 能有效检测 AI 生成代码，保持代码实用性，并能抵御代码优化。特别是，ACW 效率高且在不同 LLM 间具有通用性，解决了现有方法的局限性。
引用
@article{arxiv.2402.07518,
title = {Efficient and Universal Watermarking for LLM-Generated Code Detection},
author = {Boquan Li and Zirui Fu and Mengdi Zhang and Peixin Zhang and Jun Sun and Xingmei Wang},
journal= {arXiv preprint arXiv:2402.07518},
year = {2025}
}
备注
This work has been submitted to IEEE for possible publication