Onderzoekers hebben een nieuw framework genaamd SAMark ontwikkeld dat watermerken in door AI gegenereerde teksten beter beschermt tegen aanpassingen op paragraafniveau. De methode doorbreekt een hardnekkige balans tussen de kwaliteit van de tekst en de detecteerbaarheid van het watermerk.
Het detecteren van door kunstmatige intelligentie gegenereerde teksten is een groeiende uitdaging, vooral wanneer teksten handmatig of via andere tools worden geparafraseerd. Traditionele methoden voor watermerken op semantisch niveau (SWM) maken gebruik van zinnen als basiseenheid om robuustheid te bieden. Echter, wanneer een tekst op het niveau van een volledige paragraaf wordt herschreven, raakt de volgorde van de zinnen vaak verstoord. Dit zorgt ervoor dat bestaande watermerksignalen grotendeels verloren gaan.
De werking van SAMark
Om dit probleem op te lossen, hebben Jiahao Huo en een team van collega-onderzoekers SAMark geïntroduceerd. Volgens een publicatie op arxiv.org is dit een zogenaamd 'self-anchored' watermerkframework. De kern van deze innovatie is dat de afhankelijkheid van de specifieke volgorde van zinnen wordt geëlimineerd. Dit gebeurt door het creëren van een stap-onafhankelijke 'groene regio' binnen de semantische ruimte.
Om de detectie van het watermerk te verbeteren, maakt het systeem gebruik van een multi-channel hyperbolisch scoringsmechanisme. Deze techniek is ontworpen om de watermerksignalen te versterken, terwijl ruis van kandidaten die minder goed aansluiten, wordt onderdrukt. Daarnaast is er een diversiteitsbewuste filterstrategie toegevoegd. Deze combineert harde filtering met zachte regularisatie, waardoor het systeem verder gaat dan eenvoudige n-gram filters om semantische redundantie aan te pakken.
Resultaten en prestaties
De effectiviteit van SAMark is getest tegenover typische aanvallen waarbij paragrafen worden geparafraseerd. Uit de experimentele resultaten blijkt dat de methode een nauwkeurigheid (TP@FP1%) van maximaal 90,2% behaalt. Volgens de details in het presteert SAMark hiermee gemiddeld meer dan 30% beter dan de sterkste eerdere referentiemodellen.
Een cruciaal aspect van dit nieuwe framework is dat het de zogenaamde 'robustness-quality trade-off' doorbreekt. In eerdere methoden leidde een hogere robuustheid van het watermerk vaak tot een lagere kwaliteit van de gegenereerde tekst. SAMark slaagt er echter in om een detectiekracht te behouden die concurrerend is met onwatermerkteksten, zonder dat de leesbaarheid of kwaliteit van de output in het gedrang komt.
Context en beschikbaarheid
Het onderzoek is ingediend onder de categorieën cryptografie, beveiliging en kunstmatige intelligentie. De laatste revisie van het artikel, versie 4, werd op 14 november 2026 gepubliceerd op het platform . De auteurs, waaronder Philip S. Yu en Mingxun Zhou, hebben aangegeven dat de code van het project beschikbaar zal worden gesteld via een specifieke URL in de publicatie.
Hoewel de focus van dit onderzoek ligt op de cryptografische beveiliging van AI-teksten, is er in de bredere digitale wereld ook veel aandacht voor het converteren en bewerken van documenten. Zo bieden platforms zoals smallpdf.com tools aan om afbeeldingen zoals PNG-bestanden om te zetten naar bewerkbare Word-documenten via OCR-technologie. Hoewel dergelijke conversietools een heel ander doel dienen dan semantische watermerken, illustreren ze de voortdurende evolutie van hoe tekst en data worden gemanipuleerd en herkend in digitale omgevingen.
De ontwikkeling van SAMark markeert een belangrijke stap in de strijd tegen het onzichtbaar maken van AI-gegenereerde content, waarbij zelfs complexe herschrijvingen van tekstblokken niet langer voldoende zijn om de oorsprong van de tekst te maskeren.