Attacco Vaporizer Rompe gli Schemi di Watermarking dei LLM

Un nuovo studio su arXiv (2605.07481) testa sistematicamente la robustezza delle tecniche di watermarking all'avanguardia per gli output dei modelli linguistici di grandi dimensioni. I ricercatori hanno progettato 'Vaporizer', una raccolta di attacchi testuali modificati che eseguono cambiamenti semantici mirati senza alterare il significato complessivo. Le strategie di attacco includono alterazioni lessicali, traduzione automatica e parafrasi neurale. L'efficacia è misurata dalla rimozione riuscita del watermark e dalla preservazione semantica, valutata tramite punteggi BERT, complessità del testo, errori grammaticali e indici Flesch Reading Ease. I risultati mostrano una vulnerabilità variabile tra gli schemi di watermarking, mettendo in discussione le affermazioni di robustezza a livello produttivo.