Protection des droits d'auteur pour les grands modèles de langage : Un aperçu des méthodes, défis et tendances

Copyright Protection for Large Language Models: A Survey of Methods, Challenges, and Trends

August 15, 2025

papers.authors: Zhenhua Xu, Xubin Yue, Zhebo Wang, Qichen Liu, Xixiang Zhao, Jingxuan Zhang, Wenjun Zeng, Wengpeng Xing, Dezhang Kong, Changting Lin, Meng Han

cs.AI

papers.abstract

La protection des droits d'auteur pour les grands modèles de langage (LLM) revêt une importance cruciale, compte tenu de leurs coûts de développement substantiels, de leur valeur propriétaire et de leur potentiel de mauvaise utilisation. Les études existantes se sont principalement concentrées sur les techniques de traçage du contenu généré par les LLM, notamment le tatouage de texte, tandis qu'une exploration systématique des méthodes de protection des modèles eux-mêmes (c'est-à-dire le tatouage de modèles et l'empreinte de modèles) reste absente. De plus, les relations et distinctions entre le tatouage de texte, le tatouage de modèles et l'empreinte de modèles n'ont pas été clairement établies. Ce travail présente une étude approfondie de l'état actuel des technologies de protection des droits d'auteur pour les LLM, en mettant l'accent sur l'empreinte de modèles, couvrant les aspects suivants : (1) clarifier le lien conceptuel entre le tatouage de texte, le tatouage de modèles et l'empreinte de modèles, et adopter une terminologie unifiée qui intègre le tatouage de modèles dans le cadre plus large de l'empreinte ; (2) fournir un aperçu et une comparaison des diverses techniques de tatouage de texte, en mettant en évidence les cas où ces méthodes peuvent fonctionner comme empreinte de modèles ; (3) catégoriser et comparer systématiquement les approches existantes d'empreinte de modèles pour la protection des droits d'auteur des LLM ; (4) présenter, pour la première fois, des techniques de transfert et de suppression d'empreintes ; (5) résumer les métriques d'évaluation pour les empreintes de modèles, incluant l'efficacité, l'innocuité, la robustesse, la discrétion et la fiabilité ; et (6) discuter des défis ouverts et des directions de recherche futures. Cette étude vise à offrir aux chercheurs une compréhension approfondie des technologies de tatouage de texte et d'empreinte de modèles à l'ère des LLM, favorisant ainsi des avancées supplémentaires dans la protection de leur propriété intellectuelle.

English

Copyright protection for large language models is of critical importance, given their substantial development costs, proprietary value, and potential for misuse. Existing surveys have predominantly focused on techniques for tracing LLM-generated content-namely, text watermarking-while a systematic exploration of methods for protecting the models themselves (i.e., model watermarking and model fingerprinting) remains absent. Moreover, the relationships and distinctions among text watermarking, model watermarking, and model fingerprinting have not been comprehensively clarified. This work presents a comprehensive survey of the current state of LLM copyright protection technologies, with a focus on model fingerprinting, covering the following aspects: (1) clarifying the conceptual connection from text watermarking to model watermarking and fingerprinting, and adopting a unified terminology that incorporates model watermarking into the broader fingerprinting framework; (2) providing an overview and comparison of diverse text watermarking techniques, highlighting cases where such methods can function as model fingerprinting; (3) systematically categorizing and comparing existing model fingerprinting approaches for LLM copyright protection; (4) presenting, for the first time, techniques for fingerprint transfer and fingerprint removal; (5) summarizing evaluation metrics for model fingerprints, including effectiveness, harmlessness, robustness, stealthiness, and reliability; and (6) discussing open challenges and future research directions. This survey aims to offer researchers a thorough understanding of both text watermarking and model fingerprinting technologies in the era of LLMs, thereby fostering further advances in protecting their intellectual property.