生成式 AI 模型的基于属性的不可检测水印技术

arXiv AI 于 2026 年 8 月 4 日发布论文，首次提出生成式 AI 模型的属性基水印方案。该方案允许检测密钥受策略约束，仅能检测满足特定属性的水印输出，超出策略范围的输出仍保持计算不可区分性，并提供了安全性证明。

此前加密水印虽保证不可检测性，但检测密钥不受限制，易被恶意滥用。该研究首次引入属性基水印，通过策略控制检测能力，为安全委派检测提供了新路径。

方案将输出与属性关联，检测密钥受策略约束，只能检测符合策略的水印输出。利用受限伪随机函数等密码学工具，在标准假设下实现一致性、鲁棒性、不可检测性和可靠性，实现细粒度、受策略控制的检测。

对 AI 内容溯源产品，可实现分级检测权限，防止密钥滥用，降低合规风险。对模型提供商，可更安全地向第三方开放检测能力，但需引入额外基础设施，可能增加部署成本。

• 为 AI 内容检测产品引入属性权限模块，支持按内容类型或用户角色配置检测策略。
• 为模型 API 提供可委托的检测密钥服务，允许企业限制检测范围。
• 开发基于策略的水印检测 SDK，集成到现有内容溯源流程。

• 方案的实际性能开销如何，是否影响生成延迟？
• 是否已实现原型并验证其可用性？
• 属性定义标准是什么，是否支持动态扩展？