PMark：面向鲁棒且无失真的语义级水印方法
密码学与安全
2026-03-03 v2 计算与语言
摘要
语义级水印（Semantic-level Watermarking, SWM）通过将句子作为基本单元来增强大语言模型（Large Language Models, LLMs）的水印鲁棒性，能够抵御文本修改和改写攻击。然而，现有方法仍缺乏强大的鲁棒性理论保障，且基于拒绝抽样的生成方式常常引入显著的分布失真，与未加水印的输出结果不符。本文提出了一种新的SWM理论框架，引入代理函数（proxy functions, PFs）——将句子映射到标量值的函数。基于该框架，我们提出了PMark，一种简单且高效的SWM方法，通过动态抽样估计下一个句子的PF中位数，并通过强制执行多个PF约束（即所谓的通道）来增强水印证据。凭借坚实的理论保障，PMark实现了预期的无失真特性，并提升了对改写式攻击的鲁棒性。我们还提供了一个经验优化版本，进一步消除动态中位数估计的需求，以提升抽样效率。实验结果表明，PMark在文本质量和鲁棒性方面均优于现有SWM基线方法，为检测机器生成文本提供了更有效的范式。我们的代码将在[此链接](https://github.com/PMark-repo/PMark)发布。
引用
@article{arxiv.2509.21057,
title = {PMark: Towards Robust and Distortion-free Semantic-level Watermarking with Channel Constraints},
author = {Jiahao Huo and Shuliang Liu and Bin Wang and Junyan Zhang and Yibo Yan and Aiwei Liu and Xuming Hu and Mingxun Zhou},
journal= {arXiv preprint arXiv:2509.21057},
year = {2026}
}
备注
ICLR 2026 Poster