PromptCOS：面向 LLM 的纯内容系统提示词版权审计

系统提示词对于塑造基于大语言模型（LLM）应用的行为和输出质量至关重要，这促使人们在超越传统手工设计的基础上，对优化高质量提示词投入大量资源。然而，随着系统提示词成为有价值的知识产权，它们越来越容易遭受提示词窃取和未经授权的使用，凸显了对有效版权审计（尤其是水印技术）的迫切需求。现有方法依赖于验证由查询触发的细微 logit 分布偏移。我们观察到，这种依赖 logit 的验证框架在现实的纯内容场景中并不实用，主要原因在于：（1）随机采样使得内容级生成对于验证而言不稳定；（2）内容级信号所需的更强指令会损害提示词保真度。为克服这些挑战，我们提出了 PromptCOS，这是首个基于内容级输出相似度的纯内容系统提示词版权审计方法。PromptCOS 通过将循环输出信号设计为条件指令的目标来实现水印稳定性。它通过注入一小部分辅助词元来编码水印，同时保持主提示词不变，从而保持提示词保真度。此外，为确保对恶意移除的鲁棒性，我们优化了掩护词元，即原始提示词中的关键词元，以确保移除辅助词元会导致严重的性能下降。实验结果表明，promptCOS 实现了高有效性（99.3% 的平均水印相似度）、强区分度（比最佳基线高 60.8%）、高保真度（准确率下降不超过 0.6%）、鲁棒性（抵御四类潜在攻击的韧性）以及高计算效率（节省高达 98.1% 的成本）。