Text Watermarking in Python: Catch Whoever Copies Your Writing

Công ty AI mỗi ngày nhúng dấu vân vào hàng tỷ từ để truy xuất nguồn gốc khi nội dung được sao chép hoặc tái sử dụng. Bài viết mô tả ba họat technique watermarking có thể triển khai bằng Python: chèn ký tự Unicode không rộng, thay thế từ đồng nghĩa dựa trên tần suất và pertubation xác suất ở mức token (ví dụ sử dụng kỹ thuật Gumbel‑max). Thí nghiệm cho thấy dấu vân không rộng dễ bị loại bỏ khi dán vào hầu hết các trình soạn thảo, thay thế từ đồng nghĩa chỉ chịu được parafrasing nhẹ nếu giới hạn ở từ phổ biến, còn phương pháp pertubation token vẫn tồn tại sau cả việc sao chép, chỉnh sửa và parafrasing mặc dù làm tăng độ perplexity khoảng 0,3‑0,5%. Để bảo vệ bản văn của riêng mình, nên kết hợp một phương pháp token‑level bền vững với một thẻ không rộng nhẹ để phát hiện nhanh, và luôn kiểm tra khả năng chịu đựng trước khi triển khai. Cách tiếp cận này chỉ cần các thư viện chuẩn như unicodedata, nltk hoặc torch và tạo raภาษ phụ dưới 0,5% cho mỗi nghìn từ.