MUSE：基于多样本选择的模型无关表格水印技术
密码学与安全
2025-06-02 v1
摘要
我们引入了 MUSE，一种用于表格生成模型的水印算法。先前的方法通常利用 DDIM 可逆性对表格扩散模型进行水印嵌入，但与其他模态相比，表格扩散模型的可逆性显著较差，从而损害了性能。同时，表格扩散模型所需的计算量远少于其他模态，这使得多样本选择方法能够应用于表格生成模型水印。MUSE 通过生成多个候选样本并基于专门的评分函数选择其中一个来嵌入水印，而无需依赖模型可逆性。我们的理论分析确立了水印可检测性、候选数量和数据集大小之间的关系，允许对水印强度进行精确校准。大量实验表明，MUSE 实现了 SOTA 的水印可检测性和对各种攻击的鲁棒性，同时保持了数据质量，并且与任何支持重复采样的表格生成模型兼容，有效解决了表格数据水印的关键挑战。具体而言，它将保真度指标的失真率降低了 81-89%，同时实现了 1.0 的 [email protected]%FPR 检测率。MUSE 的实现可在 https://github.com/fangliancheng/MUSE 找到。
引用
@article{arxiv.2505.24267,
title = {MUSE: Model-Agnostic Tabular Watermarking via Multi-Sample Selection},
author = {Liancheng Fang and Aiwei Liu and Henry Peng Zou and Yankai Chen and Hengrui Zhang and Zhongfen Deng and Philip S. Yu},
journal= {arXiv preprint arXiv:2505.24267},
year = {2025}
}