PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.23586v1cs.CV

비디오 생성 모델의 지식 재산권 보호를 위한 효율적이고 효과적인 워터마킹 기법

An Efficient and Effective Watermarking Scheme for the Protection of the Intellectual Property Rights of Video Generative Models

비디오 생성 모델(VGM)의 급격한 발전으로 매우 사실적인 합성 비디오 생성이 가능해졌으나, 동시에 이러한 모델들의 지식 재산권(IPR)에 대한 우려를 낳고 있습니다. 특히 밀접하게 연관된 두 가지 포렌식 과제, 즉 합성 비디오 검증(특정 비디오가 보호 대상 VGM에 의해 생성되었는지 판별)과 모델 소유권 검증(의심되는 VGM이 보호 대상 VGM의 무단 복제본인지 판별)은 여전히 제대로 다루어지지 않고 있습니다. 본 논문에서는 이 두 가지 검증 과제를 해결할 수 있는 새로운 생성 중(in-generation) 워터마킹 기법을 제안합니다. 먼저, 2-스케일 이산 웨이블릿 변환(DWT) 분해와 전역 시간 어텐션 블록(GTAB)을 통합하여 워터마크의 강인성과 비가시성을 강화하는 VidMark라는 새로운 비디오 워터마킹 네트워크를 제시합니다. 둘째로, 디코더 유도 미세조정(fine-tuning) 절차를 제시합니다. 고정된(frozen) VidMark 디코더를 활용함으로써, 이 과정은 VGM이 인지하기 어렵고 강인하며 모델에 특화된 워터마크를 포함하는 비디오를 합성할 수 있도록 합니다. 마지막으로, 합성 비디오 검증과 모델 소유권 검증을 수행하기 위한 두 가지 검증 프레임워크를 구축합니다. 대표적인 VGM들을 대상으로 한 광범위한 실험을 통해 제안된 기법이 비디오 생성 품질에 미치는 영향을 최소화하면서도 두 과제 모두에서 99% 이상의 워터마크 추출 정확도와 100%의 검증 정확도를 달성함을 입증합니다. 또한, 해당 워터마크는 포괄적인 범위의 비디오 수준 및 모델 수준 공격에 대해 강력한 강인성을 나타냅니다.

arXiv:2505.12682v2cs.LG공식 코드 · Papers with Code

RAFP: 희귀 영역 지문을 통한 LLM 계보 식별

RAFP: Identifying LLM Lineages via Rare-Region Fingerprints

대규모 언어 모델(LLM)이 점점 더 제한된 라이선스 하에 공개되면서, 견고한 모델 소유권 검증에 대한 수요가 커지고 있다. 기존 지문(fingerprinting) 방법은 하류 파인튜닝(downstream finetuning)에서 종종 취약하며, 침습적인 학습 수정을 필요로 하거나 블랙박스 설정에서 실패한다. 우리는 희귀 영역 지문을 통해 LLM 계보를 식별하는 견고한 프레임워크인 RAFP를 제안한다. 핵심 통찰은, 하류 파인튜닝이 주로 일반적인 고밀도 언어 행동을 갱신하는 반면, 낮은 확률의 프롬프트 영역은 파인튜닝된 분포 하에서 약한 최적화 신호와 제한적인 그래디언트 정렬만을 받는다는 것이다. 그 결과, 희귀한 프롬프트-응답 행동은 일반적인 모델 적응을 가로질러 안정적으로 유지된다. RAFP는 비침습적이며, 모델 가중치를 수정하지 않고 희귀 프롬프트에 대한 이산 그래디언트 기반 최적화를 통해 지문을 구성한다. 파인튜닝 하에서 희귀 영역 지문의 가능도 변화가 유계로 남는다는 것을 보여주는 이론적 분석을 제공한다. 4개 LLM 패밀리와 지도 학습(supervised finetuning), LoRA, 양자화, 프롬프트 템플릿 변화, 디코딩 변경 등 다양한 하류 적응에 걸친 실험은, RAFP가 강한 지문 지속성을 달성하고 블랙박스 설정에서 기존 지문 기준선을 크게 능가함을 보여준다.