用于保护专有数据集的水印

越来越多的文献表明，训练数据成员推理问题在现代语言建模环境中从根本上来说是一项艰巨的任务。我们认为，输出水印技术是使生成模型的训练成员资格测试更容易处理的正确小工具，基于先前的结果表明语言模型在部分水印的训练数据集下表现出残留水印“放射性”。我们将基于水印的数据集推断方法与传统的基于损失的成员推断方法进行了正面交锋，结果表明，在一组备用假设下，当子集暴露足够高时，水印可以实现可比的成员检测性能。