Pin It on Anyone: Certified Targeted Displacement of Multi-Bit LLM Watermarks Without the Key

arXiv cs.CR · 14 oct, 06:00

Investigadores demuestran un ataque contra marcas de agua (watermarks) multi-bit en LLMs que permite cambiar el identificador incrustado sin poseer la clave secreta. El atacante solo necesita acceso a varias cuentas para generar salidas del modelo y reescribir el texto preservando su significado, logrando que el decodificador de la marca de agua recupere un identificador diferente. El ataque se valida contra cinco métodos de watermarking y cuatro LLMs distintos.