基于不变特征的鲁棒多比特自然语言水印

近年来，在基于订阅的媒体渠道、网络小说平台以及大语言模型输出中出现了大量有价值的原创自然语言内容。然而，若无适当的安全措施，这些内容易受非法盗版和潜在滥用。这呼唤一种安全的水印系统，通过泄露追踪或所有权识别来保障版权保护。为有效打击盗版并保护版权，多比特水印框架应能够嵌入充足的信息比特，并在可能发生损坏的情况下以鲁棒方式提取水印。在本工作中，我们遵循图像水印中一个众所周知的命题，探索提升载荷与鲁棒性的途径，并识别出自然语言中对轻微损坏保持不变的特征。通过对可能错误来源的系统分析，我们进一步提出了一种抗损坏填充模型。我们的完整方法在四个数据集、三种损坏类型和两种损坏比例上，平均将先前工作的鲁棒性提升了 16.8 个百分点。代码见 https://github.com/bangawayoo/nlp-watermarking。