AI是否在模仿你的写作？基于隐形水印的创意写作模仿识别
密码学与安全
2026-01-23 v3 人工智能
摘要
大型语言模型（LLM）的高效知识注入方法，如In-Context Learning、知识编辑和高效参数微调，显著提升了模型在下游任务上的实用性。然而，这些方法也构成了对高价值非结构化数据资产（如创意作品）进行未经授权模仿和数据源头追溯的重大风险。当前针对创意作品的版权保护方法主要聚焦于视觉艺术，留下了在创意写作领域保障数据安全的关键且尚未被充分解决的数据工程挑战。本文提出WIND（Watermarking via Implicit and Non-disruptive Disentanglement，即基于隐式非干扰 disentanglement 的水印方案），这是一种 novel 的零水印、可验证且隐式的方案，通过提供可验证的版权保护来保护创意写作数据库。具体而言，我们将创意内核分解为五个关键要素，通过设计的实例 delimitation 机制从中提取要素，并整合为简洁列表。这些列表使WIND能够通过在 disentanglement 创意空间中的隐式编码，将核心版权属性转化为可验证的水印，其中' disentanglement'指的是分离创意相关与创意无关特征的过程。该方法利用隐式编码，避免对脆弱文本内容进行扭曲。广泛的实验表明，WIND在面对AI模仿时有效验证创意写作的版权所有权，F1分数超过98%，在严格的低假阳性率条件下表现稳健，而现有领先的文本水印方法在此往往难以做到。
引用
@article{arxiv.2504.00035,
title = {Is Your Writing Being Mimicked by AI? Unveiling Imitation with Invisible Watermarks in Creative Writing},
author = {Ziwei Zhang and Juan Wen and Wanli Peng and Zhengxian Wu and Yinghan Zhou and Yiming Xue},
journal= {arXiv preprint arXiv:2504.00035},
year = {2026}
}