arXiv:2610.36432v1 发布类型：新
摘要：同形异义字符水印和不可见字符水印都属于基于编辑的水印技术。它们并非改变模型生成文本的方式，而是在文本生成之后将其隐藏于其中。具体而言，这些水印会用外观相同或极为相似但拥有不同 Unicode 码位的同形异义字符替换部分字符，或者插入无法显示的字符，且整个过程无需访问生成该文本的模型。由于分词器对文本的切分方式，生成时水印在资源匮乏的语言中效果较差。鉴于这类水印作用于单个字符，它们并不会触及分词器，因此我们探究其是否能够绕过这一限制。我们在 24 种书写系统下的 40 种语言变体中，测量了水印的容量（即每个字符可承载的隐秘比特数）、其在常规处理与针对性移除后的存活率，以及密钥检测器所需分析的文本量。结果显示，水印容量存在 3.3 倍的差异，其中书写系统解释了 96% 的变异。在拉丁字母体系内，资源水平并未产生显著影响（$\rho=+0.095$, $p=0.78$），但在不同书写系统之间，水印容量随资源水平的提升而增加（$\rho=+0.54$, 95% 置信区间 $[+0.14,+0.83]$），这是因为资源匮乏的语言往往采用同形异义字符较少的书写系统。而普通的复制粘贴操作会去除不可见字符，从而进一步拉大差距：此时，检测器需要约 2 个英文字母或波斯文字符的编码单位，却需多达 93 个老挝文字符的编码单位。移除分词器并不能消除这种不平等，反而只是改变了其来源而已。