ImF：大语言模型的隐式指纹

大型语言模型（LLM）的训练资源密集且昂贵，使得保护其知识产权（IP）至关重要。最近，向LLM中嵌入指纹以建立模型所有权已成为常见方法。然而，现有指纹技术通常嵌入弱语义连贯性的可识别模式，导致指纹与LLM固有的自然问答（question-answering, QA）行为显著不同。这种差异削弱了嵌入指纹的隐蔽性，使其易受对抗攻击。本文首先通过引入一种名为生成修订干预（Generation Revision Intervention, GRI）攻击的新型对抗攻击，展示了现有指纹嵌入方法的关键漏洞。GRI攻击利用当前指纹方法的语义脆弱性，通过干扰其弱相关的语义结构有效地擦除指纹。我们的实证评估表明，传统指纹方法在GRI攻击下受到显著削弱，揭示了其在现实对抗条件下的鲁棒性严重不足。为推动模型指纹技术的前沿进展，我们提出一种新型模型指纹范式，称为隐式指纹（Implicit Fingerprint, ImF）。ImF利用隐写术在自然文本中潜意识地嵌入所有权信息，随后通过链条思考（Chain-of-Thought, CoT）提示构建语义连贯且语境自然的QA对。这种设计确保指纹无缝集成于标准模型行为中，与常规输出无异，大幅降低意外触发和针对性删除的风险。我们在15个不同架构和规模的LLM上进行了全面评估。