申请/专利权人：浙江大学

申请日：2023-12-18

公开（公告）日：2024-03-29

公开（公告）号：CN117787264A

主分类号：G06F40/279

分类号：G06F40/279;G06F40/216;G06F18/21;G06F16/35;G06F18/214;G06N3/0464;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.16#实质审查的生效;2024.03.29#公开

摘要：本发明公开了一种大模型提示词版权验证方法及装置，该方法是通过利用双层优化的提示词水印注入与验证方法。在提示水印注入阶段，同步训练提示词任务与提示词水印注入任务，确保在不对大模型提示词的原有指令功能造成影响的前提下完成水印注入；在提示词水印验证阶段，通过构建假设检验模型，对所提取的信号单词分布进行分析，从而实现提示词水印的验证，以保障提示词的版权。

主权项：1.一种大模型提示词版权验证方法，其特征在于，包括：1将语料数据集分成训练集Dtrain和测试集Dtest，利用训练集构建标准数据集和水印数据集利用测试集构建水印数据集用于验证水印，利用Top-k策略提取标签单词与信号单词2使用目标大模型Ft、标准数据集和水印数据集训练的xprompt和xtrigger，并利用双层优化训练机制将水印注入提示词中并输出xprompt和xtrigger；3获取目标大模型Ft和嫌疑黑盒大模型Fs输出单词序列Pt和Ps，建立假设检验模型，当且仅当假设检验p-value小于显著性水平α＝0.05，则拒绝零假设表明xprompt与x′prompt相互独立，x′prompt不存在水印版权申索失败；所述xprompt为目标大模型Ft使用的带水印提示词，x′prompt为嫌疑黑盒大模型Fs使用的提示词。

全文数据：

权利要求：

百度查询： 浙江大学 一种大模型提示词版权验证方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD