arXiv · cs.AI· Suxin Ji·· 21 天前AI 评分46
语义行为水印（SBW）：面向 LLM Agent 的抗改写、防伪造溯源方案
Semantic Behavioral Watermarking: Paraphrase-Robust and Forgery-Resistant Provenance for LLM Agents
来源与原文
arXiv · cs.AI
作者：Suxin Ji
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.08668v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
论文提出语义行为水印 SBW，在语义动作簇上对 LLM Agent 的高层行为嵌入溯源标识，不改动输出 token。在 ToolBench 上，改写攻击下的检测率达 0.49-0.66，而精确符号方案仅 0.05-0.17；ALFWorld 上为 0.92-0.97。密钥分桶使自适应伪造从 100% 降至误报底限，但复制受害者步骤的 chained replay 攻击仍达 0.76-0.98，作为开放问题报告。
来源：arXiv · cs.AI · arxiv.org