AI・機械学習
上級
Maryland Watermarking Scheme（メリーランドウォーターマーキングスキーム）
University of Maryland発のLLMウォーターマーク体系。KGWスキームを出発点とした理論的フレームワークで、LLMウォーターマーク研究の基盤となった。
0 回閲覧
0 いいね
2026/6/7 更新
関連タグ
watermark
llm-safety
academic
kgw
university-research
Maryland Watermarking Scheme
概要
Maryland Watermarking Scheme（Kirchenbauer et al., 2023/2024）は、University of Marylandのグループが発表したLLMウォーターマーク研究の体系的フレームワークです。ACL 2023でOutstanding Paperに選ばれ、後続のUnigram Watermark・DipMark・SynthID等の研究の基準点となりました。
研究の系譜
| 年 | 論文 | 貢献 |
|---|---|---|
| 2023 | A Watermark for LLMs (Kirchenbauer et al.) | KGWスキーム提案、z検定による検出理論 |
| 2023 | Reliability of LLM Watermarks | ウォーターマークの信頼性・攻撃耐性分析 |
| 2024 | On the Learnability of Watermarks | 検出器の学習可能性・プライバシー分析 |
| 2024 | Adaptive Attacks on LLM Watermarks | 適応型攻撃への脆弱性と防御手法 |
KGWスキームの理論的保証
- 第1種誤り率（偽陽性）: z > z_α のとき P(z|unwatermarked) ≤ α（厳密に制御可能）
- 第2種誤り率（偽陰性）: トークン数Tに対し指数的に減少
- 漸近正規性: T→∞でz統計量が正規分布に収束
攻撃モデルの分類（Marylandの貢献）
- 編集攻撃: 単語の追加・削除・置換 → 20%超の編集で検出困難
- パラフレーズ攻撃: GPT-4パラフレーズで検出率が60〜70%に低下
- スプライシング攻撃: 混合比率50%未満なら検出維持
- 翻訳攻撃: 最も効果的な攻撃、実用上の脆弱性
業界への影響
- OpenAI・Meta Research: KGWを参照ベンチマークとして内部実験で使用
- 規制当局: NIST AI RMF・EU AI Actの技術ガイダンスでMarylandスキームを引用
- Google SynthID: KGWの限界を超えるための設計参照点として活用
- MarkLLM（清華大学、2024年）: Marylandスキームの公開実装を含む統合フレームワーク
まとめ
Maryland Watermarking Schemeは、LLMウォーターマーク分野の理論的基盤を確立した里程碑的研究です。KGWスキームの提案から攻撃分析・防御手法まで体系化し、2025年以降のAI規制対応技術の根拠として広く参照されています。