Protezione del Copyright per i Modelli Linguistici di Grandi Dimensioni: Una Rassegna di Metodi, Sfide e Tendenze

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

August 15, 2025

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

cs.AI

Abstract

La protezione del copyright per i grandi modelli linguistici è di fondamentale importanza, considerando i costi di sviluppo sostanziali, il valore proprietario e il potenziale di utilizzo improprio. Le indagini esistenti si sono concentrate prevalentemente sulle tecniche per tracciare i contenuti generati dai modelli linguistici, in particolare il watermarking del testo, mentre un'esplorazione sistematica dei metodi per proteggere i modelli stessi (ovvero, il watermarking del modello e il fingerprinting del modello) rimane assente. Inoltre, le relazioni e le distinzioni tra watermarking del testo, watermarking del modello e fingerprinting del modello non sono state chiarite in modo esaustivo. Questo lavoro presenta un'indagine completa sullo stato attuale delle tecnologie di protezione del copyright per i modelli linguistici, con un focus sul fingerprinting del modello, coprendo i seguenti aspetti: (1) chiarire la connessione concettuale dal watermarking del testo al watermarking del modello e al fingerprinting, adottando una terminologia unificata che incorpora il watermarking del modello nel più ampio framework di fingerprinting; (2) fornire una panoramica e un confronto delle diverse tecniche di watermarking del testo, evidenziando i casi in cui tali metodi possono funzionare come fingerprinting del modello; (3) categorizzare e confrontare sistematicamente gli approcci esistenti di fingerprinting del modello per la protezione del copyright dei modelli linguistici; (4) presentare, per la prima volta, tecniche per il trasferimento e la rimozione delle impronte digitali; (5) riassumere le metriche di valutazione per le impronte digitali del modello, inclusa efficacia, innocuità, robustezza, discrezione e affidabilità; e (6) discutere le sfide aperte e le direzioni future della ricerca. Questa indagine mira a offrire ai ricercatori una comprensione approfondita sia delle tecnologie di watermarking del testo che di fingerprinting del modello nell'era dei modelli linguistici, favorendo così ulteriori progressi nella protezione della loro proprietà intellettuale.

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.