LLM出力透かしとは？（エルエルエムシュツリョクスカシ）意味・特徴をわかりやすく解説

LLMの推論フェーズでトークン生成確率を操作し、出力テキスト全体に検出可能な隠しシグナルを付与する手法。

LLM出力透かし（LLM Output Watermarking）

LLM出力透かしは、モデルの推論フェーズにおいてトークン選択確率を微調整し、生成テキスト全体に統計的に検出可能な隠れシグナルを埋め込む技術だ。モデルの重みを変更しないため、すでにデプロイ済みのモデルにも後付けで適用できる点が大きな利点となっている。

KGW（Kirchenbauer et al.）が代表で、語彙をグリーン/レッドに分割しグリーントークンのlogitをΔだけ加算する。検出はグリーントークン超過のz検定で行い、情報容量は1ビット（透かしあり/なし）だ。

Aaronson（2022）とその変形では、各トークン位置で一様乱数r∈[0,1]をシード付きPRNGで生成し、argmax_v ( r_v^(1/p_v) ) でサンプリングする。情報理論的に最適な透かし効率を持ち、情報容量は1ビット〜数ビット。

文全体をエンコードし意味空間でクラスタリングして許可クラスタに属する文のみを生成候補に残す。言い換え攻撃に対して高い堅牢性を持ち、数百ビットの情報容量がある。

トーナメントサンプリングを複数層組み合わせた手法で、品質低下をほぼゼロに抑制（人間評価で有意差なし）し、翻訳・編集後でも部分的に検出可能だ。

logit操作は推論の最終ステップに追加される計算なので、スループットへの影響は軽微だ（典型的には+1-3ms/トークン）。ただしSemStampはセマンティック計算を伴うため+10-20ms程度のオーバーヘッドがある。

長文では検出精度が上がる一方、ツイートや短文コメントでは統計的に有意な透かし埋め込みが困難だ。50トークン以下ではfalse negativeが高率になる。

透かしのシードをAPIキーに紐付けることで、どのユーザーからの出力かを追跡できる「指紋付け」応用が可能。ただしプライバシー規制との整合が必要だ。

2025年現在、GoogleのSynthIDが商用展開されており、GeminiのAPIオプションとして提供されている。OpenAIは内部実装を持つとされるが未公開。C2PA（Content Credentials）標準との統合により、AI生成コンテンツの透明性確保への取り組みが加速している。