SkillMarker: un metodo di watermarking basato su KGW per verificare la titolarità delle skill degli agenti

Abstract degli autori

Le skill degli agenti codificano procedure operative e competenze specialistiche come risorse di conoscenza riutilizzabili, ma la loro distribuzione in testo in chiaro le espone a copie non autorizzate e fughe di informazioni. I meccanismi pratici per verificarne la titolarità e rintracciarne la diffusione non autorizzata restano però poco sviluppati. Inserire un watermark prima della distribuzione offre una possibile soluzione, ma le istruzioni delle skill, strutturate e concise, impongono requisiti rigorosi di accuratezza fattuale e procedurale. Per affrontare queste difficoltà, presentiamo SkillMarker, un metodo di watermarking basato su KGW che mira sia a preservare la funzionalità sia a inserire un watermark forte. SkillMarker combina una riscrittura vincolata alla qualità con una ricerca di formulazioni candidate orientata al segnale. La prima distingue le conoscenze essenziali dalle formulazioni flessibili per preservare la fedeltà delle istruzioni; la seconda esplora formulazioni alternative per ottenere un segnale di watermark più forte nel rispetto dei vincoli di conservazione. Rendiamo disponibile un toolkit open source che integra inserimento del watermark, verifica della qualità e rilevamento, a sostegno della protezione delle skill degli agenti. SkillMarker è pensato per verificare la titolarità e rintracciare la diffusione non autorizzata negli ecosistemi di skill distribuite, dove i contenuti possono essere copiati integralmente o in parte, oppure incorporati in altre skill. Su quattro dataset, SkillMarker incide in misura trascurabile, in media, sulle prestazioni nei compiti a valle. Nei nostri test di copia e incolla, il rilevamento basato su finestre individua sistematicamente i passaggi copiati contenenti anche solo 1.536 token consecutivi. Anche dopo la fusione con una o tre skill di base, SkillMarker mantiene tassi di rilevamento del watermark del 72,2--77,8\%.