Multi-Channel Spread-Spectrum Code Watermarking
대규모 언어 모델(LLM)이 생성한 코드의 출처를 추적하기 위해, 본 연구는 변수 명명 규칙과 8가지 의미 동등 코드 패턴을 채널로 활용하여 24비트 페이로드를 삽입하는 최초의 사후(post-hoc) 비훈련 스프레드 스펙트럼 코드 워터마킹 기법을 제안한다. CodeNet 및 GPT-4.1, Llama-4 생성 코드 1,750개 Python 파일에서 공격 없이 100% 탐지 정확도를 달성하고, 17가지 공격 유형 중 변수 8회 이름 변경 시 97.6%, 무작위 10% 변조 시 94.1%의 식별자 복원 정확도를 기록했다.