文章主要内容总结
本文聚焦大型语言模型(LLMs)的版权和知识产权保护问题,针对现有水印技术难以抵抗持续训练和模型修改的缺陷,提出了一种基于模型内在特征的鲁棒指纹识别方法。
- 研究背景:随着LLM训练成本增加和模型复用普及,版权保护面临挑战。传统水印技术易被持续训练、微调或修改破坏,无法可靠追溯模型来源。
- 核心方法:利用注意力机制参数的内在统计特性构建指纹。具体而言,提取不同层中查询(Q)、键(K)、值(V)和输出(O)投影矩阵的标准差分布,经归一化后形成特征序列,通过计算序列间的相关系数判断模型是否存在谱系关系(如源自持续训练或修改,而非独立训练)。该方法对模型架构修改(如从密集模型转为MoE模型)和持续训练具有鲁棒性。
- 实验发现:
- 跨模型家族验证显示,不同模型家族的注意力参数标准差分布具有独特模式,可作为区分标志。
- 重点分析发现,华为发布的Pangu Pro MoE模型与Qwen-2.5 14B模型的注意力和前馈网络参数分布高度相似(平均相关系数0.927),表明其可能通过“升级改造”而非从头训练衍生而来&