嘿，这是我的模型！介绍 Chain & Hash，一种 LLM 指纹技术

对大型语言模型（LLMs）盗窃和滥用的日益担忧，加剧了对有效指纹识别的需求，这将模型与其原始版本关联，以检测滥用。在本文中，我们定义了成功指纹的五个关键属性：透明性、效率、持久性、鲁棒性和不可伪造性。我们提出一种 novel fingerprinting framework，提供可验证的所有权证明，同时保持指纹完整性。我们的 methods 做出了两项主要贡献。首先，我们提出一种 Chain and Hash 技术，将指纹提示与其响应进行加密绑定，确保没有对手可以生成产生冲突的指纹，允许模型拥有者不可辩驳地 demonstrate their creation。其次，我们针对 instruction-tuned models 的现实威胁模型，即通过 meta-prompts 显著改变模型输出分布。通过在训练期整合随机填充和 varied meta-prompt configurations，我们的方法即使在模型输出风格被显著修改后，仍能保持指纹鲁棒性。实验结果表明，我们的 framework 提供了强大的安全性，用于证明所有权，并且即使面对如微调和对抗性擦除指纹的尝试，仍保持鲁棒性。最后，我们还演示了将其应用于 LoRA adapters 指纹识别的可行性。