面向大型语言模型版权验证的隐形且稳健的对抗指纹（SRAF）
密码学与安全
2026-05-28 v4
摘要
随着大型语言模型（LLM）的普及应用，版权知识产权保护已成为关键关注议题。尽管对抗指纹技术为所有权验证提供了有前景的黑箱解决方案，但现有方法存在显著局限：其对下游模型修改极其脆弱，对系统提示变化敏感，且因高perplexity输入模式易被检测到。本文提出了SRAF（Stealthy and Robust Adversarial Fingerprint，隐形且稳健的对抗指纹），SRAF采用跨相似模型变体和多样化聊天模板的联合优化策略，迫使指纹锚定于模型家族的不变内在理解特征上。进而引入Perplexity Hiding技术，将对抗扰动嵌入Markdown表格中，有效使提示统计与自然语言一致，规避基于perplexity的检测。针对Llama-2模型系列进行大量实验表明，SRAF在针对微调、对齐、剪枝、合并和输入扰动方面显著提升了鲁棒性，同时保持卓越的隐形性和低误报率，为LLM所有权验证提供了实用且持久的黑箱解决方案。
引用
@article{arxiv.2505.06304,
title = {SRAF: Stealthy and Robust Adversarial Fingerprint for Copyright Verification of Large Language Models},
author = {Zhebo Wang and Zhenhua Xu and Maike Li and Wenpeng Xing and Chunqiang Hu and Chen Zhi and Meng Han},
journal= {arXiv preprint arXiv:2505.06304},
year = {2026}
}