Prompt2Fingerprint：基于文本到权重生成的即插即用 LLM 指纹提取
密码学与安全
2026-05-20 v2 人工智能
计算与语言
机器学习
摘要
大型语言模型（LLM）的广泛部署与再分发使得模型来源追踪成为一项关键挑战。尽管现有的 LLM 指纹提取方法，特别是通过微调嵌入身份信号的主动方法，实现了高准确率和鲁棒性，但它们存在显著的可扩展性瓶颈。这些方法通常将指纹注入视为独立的、一次性的优化任务，而非可复用的能力，从而需要为每个新身份进行单独的、资源密集型的训练。这带来了高昂的计算成本和部署延迟。为解决此问题，我们提出了 Prompt2Fingerprint（P2F），这是首个将指纹提取重新表述为条件参数生成任务的框架。通过利用专门的生成器，P2F 在单次前向传播中将文本描述直接映射为低秩参数增量，实现了无需进一步模型重训练的即插即用 LLM 指纹注入。我们的实验表明，P2F 在保持高指纹准确率、无害性和鲁棒性的同时，显著降低了计算开销，为 LLM 所有权管理提供了可扩展的即时解决方案。
引用
@article{arxiv.2605.18474,
title = {Prompt2Fingerprint: Plug-and-Play LLM Fingerprinting via Text-to-Weight Generation},
author = {Sixu Chen and Xiang Chen and Hongyao Yu and Jiaxin Hong and Hao Fang and Shuoyang Sun and Bin Chen and Shu-Tao Xia},
journal= {arXiv preprint arXiv:2605.18474},
year = {2026}
}