SynthID वॉटरमार्क रिवर्स इंजीनियरिंग

अवलोकन

इस निर्देशिका में AI-जनित टेक्स्ट से SynthID वॉटरमार्क का विश्लेषण और हटाने के उपकरण शामिल हैं। यह वॉटरमार्क Google DeepMind द्वारा विकसित किया गया था और Nature (2024) में प्रकाशित हुआ था।

SynthID कैसे काम करता है

वॉटरमार्किंग प्रक्रिया

1. N-gram संदर्भ: प्रत्येक टोकन स्थिति के लिए, SynthID पिछले ngram_len - 1 टोकन (डिफ़ॉल्ट: 4 टोकन) को संदर्भ के रूप में मानता है।

2. हैश गणना: यह निम्न का हैश गणना करता है:

   • संदर्भ टोकन
   • उम्मीदवार अगला टोकन
   • गुप्त वॉटरमार्किंग कुंजियों का एक सेट (डिफ़ॉल्ट रूप से 30)

3. G-मान असाइनमेंट: हैश का उपयोग प्रत्येक कुंजी परत के लिए प्रत्येक संभावित अगले टोकन को एक बाइनरी g-मान (0 या 1) निर्दिष्ट करने के लिए किया जाता है।

4. प्रायिकता संशोधन: g-मान = 1 वाले टोकन को प्राथमिकता देने के लिए टोकन प्रायिकताओं को संशोधित किया जाता है:

   root@kitploit:~

   new_prob[i] = prob[i] * (1 + g[i] - mean(g * prob))
   

5. नमूनाकरण: मॉडल संशोधित वितरण से नमूना लेता है।

पहचान प्रक्रिया

1. टेक्स्ट को टोकनाइज़ करें
2. प्रत्येक n-gram के लिए, समान कुंजियों का उपयोग करके g-मानों की गणना करें
3. यदि औसत g-मान > 0.5 से महत्वपूर्ण रूप से अधिक है, तो टेक्स्ट वॉटरमार्क किया गया है

कमजोरियाँ

1. पैराफ़्रेज़िंग हमला (सबसे प्रभावी)

प्रभावशीलता: 90-100%

वॉटरमार्क विशिष्ट टोकन अनुक्रम में अंतर्निहित है, अर्थ में नहीं। गैर-वॉटरमार्क किए गए मॉडल के साथ पैराफ़्रेज़िंग पूरी तरह से टोकन अनुक्रम को पुनर्जीवित करती है।

from reverse_synthid import ParaphrasingAttack
attack = ParaphrasingAttack(model_name="gpt2")
clean_text = attack.paraphrase(watermarked_text)

2. टोकन प्रतिस्थापन हमला

प्रभावशीलता: 50-70%

टोकन को समानार्थी शब्दों से बदलने से n-gram पैटर्न टूट जाते हैं:

from reverse_synthid import TokenPerturbationAttack
attack = TokenPerturbationAttack()
clean_text = attack.substitute_synonyms(text, rate=0.3)

3. होमोग्लिफ़ हमला

प्रभावशीलता: 95-100%

वर्णों को दृश्य रूप से समान यूनिकोड वर्णों से बदलने से हैश टूट जाता है:

from reverse_synthid import HomoglyphAttack
attack = HomoglyphAttack()
clean_text = attack.apply_homoglyphs(text, rate=0.1)

4. N-gram सीमा स्थानांतरण

प्रभावशीलता: 30-50%

शब्दों को सम्मिलित या हटाने से बाद के सभी n-gram सीमाएँ स्थानांतरित हो जाती हैं:

from reverse_synthid import TokenPerturbationAttack
attack = TokenPerturbationAttack()
clean_text = attack.insert_fillers(text, rate=0.1)

फ़ाइलें

• reverse_synthid.py - एकाधिक विधियों वाला मुख्य हमला टूलकिट
• analyze_watermark.py - वॉटरमार्क पहचान और विश्लेषण उपकरण
• test_removal.py - वॉटरमार्क हटाने का परीक्षण स्क्रिप्ट

उपयोग

वॉटरमार्क का विश्लेषण करें

python analyze_watermark.py --input text.txt --verbose

वॉटरमार्क हटाएँ

# पैराफ़्रेज़िंग का उपयोग करना (सबसे प्रभावी, मॉडल आवश्यक है)
python analysis/reverse_synthid.py --input text.txt --output clean.txt --method paraphrase

# परिवर्तन का उपयोग करना (कोई मॉडल आवश्यक नहीं)
python analysis/reverse_synthid.py --input text.txt --output clean.txt --method perturb

# संयुक्त हमले का उपयोग करना
python reverse_synthid.py --input text.txt --output clean.txt --method combined

परीक्षण चलाएँ

python analysis/test_removal.py

SynthID वॉटरमार्क किए गए बनाम डी-वॉटरमार्क किए गए टेक्स्ट की तुलना

तकनीकी विवरण

मुख्य अंतर्दृष्टि: वॉटरमार्क नाज़ुक है

वॉटरमार्क निम्न पर निर्भर करता है:

1. सटीक टोकन अनुक्रम - टोकन में कोई भी बदलाव n-grams को प्रभावित करता है
2. संदर्भ विंडो - टोकन सम्मिलित करने से सभी संदर्भ स्थानांतरित हो जाते हैं
3. हैश फ़ंक्शन - विभिन्न बाइट्स विभिन्न हैश उत्पन्न करते हैं

पैराफ़्रेज़िंग क्यों काम करती है

जब आप टेक्स्ट को पैराफ़्रेज़ करते हैं:

1. शब्दार्थ अर्थ संरक्षित रहता है
2. लेकिन सटीक टोकन पूरी तरह से भिन्न होते हैं
3. n-gram हैश पूरी तरह से भिन्न होते हैं
4. g-मान पैटर्न नष्ट हो जाता है

सैद्धांतिक विश्लेषण

लंबाई N और वॉटरमार्क शक्ति W वाले टेक्स्ट के लिए:

• प्रतिस्थापन दर r लगभग 1 - (1-r)^(ngram_len) से सिग्नल कम करती है
• सम्मिलन दर r N*r n-gram सीमाओं को स्थानांतरित करती है
• पैराफ़्रेज़िंग मूल रूप से W → 0 सेट करती है (पूर्ण पुनर्जनन)

सीमाएँ

1. पैराफ़्रेज़िंग अर्थ में सूक्ष्म अंतर बदल सकती है
2. सरल हमले पहचाने जा सकते हैं
3. भविष्य के वॉटरमार्क अधिक मज़बूत हो सकते हैं

अस्वीकरण

यह कोड केवल शैक्षिक और अनुसंधान उद्देश्यों के लिए है। यह अधिक मज़बूत विधियाँ विकसित करने में मदद करने के लिए वॉटरमार्किंग योजनाओं में कमजोरियों को प्रदर्शित करता है।

संदर्भ

1. Dathathri et al. "Scalable watermarking for identifying large language model outputs." Nature 634, 818-823 (2024).
2. https://github.com/google-deepmind/synthid-text