Bagaimana watermark teks yang tak terlihat bekerja tanpa mengubah teks?

Model memang sudah melakukan sampling token berikutnya secara acak dari sebuah distribusi. Watermark membias keacakan itu ke pola yang hanya diketahui detektor. Setiap kata tetap merupakan pilihan yang masuk akal; polanya baru bisa diukur di atas ratusan token.

Apakah watermark teks bisa dideteksi pada output yang pendek?

Lemah, jika memang bisa. Sinyalnya bersifat statistik dan menumpuk seiring panjang teks, sehingga satu kalimat membawa keyakinan jauh lebih sedikit dibanding satu halaman penuh. Output klasifikasi atau ekstraksi yang pendek pada dasarnya tidak ditandai.

Apa perbedaan antara watermark teks dan metadata gambar C2PA?

Watermark teks adalah sinyal statistik yang dianyam ke dalam pemilihan token. Ia tidak bisa dihapus dengan bersih, tetapi melemah saat diedit dan diterjemahkan. C2PA adalah blok metadata bertanda tangan yang melekat pada file. Ia dapat diverifikasi dengan tepat, tetapi bisa dihapus dengan satu perintah.

Cara kerja watermark AI

Diperbarui September 1, 2026 · pertama terbit September 1, 2026

Jawaban singkat: Ada sinyal tak terlihat dalam teks yang dihasilkan model Claude yang didukung. Anda tidak bisa melihatnya, pengguna Anda juga tidak. Sinyal ini tidak mengubah makna, kualitas, atau pengalaman membaca,...

Ada sinyal tak terlihat dalam teks yang dihasilkan model Claude yang didukung. Anda tidak bisa melihatnya, pengguna Anda juga tidak. Sinyal ini tidak mengubah makna, kualitas, atau pengalaman membaca, dan tidak muncul di tagihan Anda. Meski begitu, sinyal itu tetap ada, dan layak dipahami selama sepuluh menit, karena hal-hal yang merusaknya adalah hal-hal yang dilakukan pipeline Anda sendiri setiap hari.

Cara kerja watermark teks

Model bahasa tidak memilih token yang paling mungkin secara tunggal. Ia melakukan sampling dari distribusi probabilitas, dan sampling itu memakai keacakan. Teknik watermarking — mengikuti pendekatan SynthID-Text dari Google DeepMind — memberi bias pada keacakan tersebut. Token tertentu menjadi sedikit lebih mungkin muncul dari yang seharusnya, mengikuti pola yang hanya diketahui oleh detektor.

Setiap pilihan kata secara individu tampak biasa saja; selalu ada alternatif yang masuk akal, dan model memilih salah satunya. Namun di atas beberapa ratus token, pola itu menumpuk menjadi sinyal statistik yang bisa diukur detektor tetapi tidak bisa dirasakan pembaca. Itulah seluruh triknya: watermark tersembunyi di dalam keputusan yang memang sudah diambil model secara acak.

Dua konsekuensi langsung muncul, dan keduanya lebih penting daripada mekanismenya. Pertama, ini bersifat statistik, bukan cap — tidak ada kolom yang bisa dibaca, hanya tingkat keyakinan yang dihitung. Kedua, ia membutuhkan panjang. Output sebesar satu tweet membawa sinyal jauh lebih sedikit dibanding satu halaman penuh.

Bagaimana provenans gambar bekerja, dan mengapa berbeda

Gambar dan file mengambil pendekatan yang berlawanan. File .svg, .png, dan .jpg yang dihasilkan membawa metadata C2PA: manifes bertanda tangan kriptografis yang mencatat apa yang menghasilkan file tersebut. Itu bukan statistik dan bukan tersembunyi — itu blok data diskret yang melekat pada file, dapat diverifikasi secara pasti, bukan secara probabilistik.

Pertukarannya persis seperti yang Anda duga. Metadata bertanda tangan memberi kepastian, dan bisa dihapus dengan satu perintah. Watermark teks statistik tidak bisa dihapus dengan bersih, tetapi akan melemah saat teks diedit, diparafrasekan, atau diterjemahkan. Keduanya bukan kunci; keduanya adalah bukti.

Siapa yang bisa memeriksa

Deteksi dibatasi. Pada 1 September 2026, sebuah API dibuka untuk organisasi yang memenuhi syarat: regulator, penegak hukum, media, pemeriksa fakta, peneliti independen, institusi pendidikan, kelompok masyarakat sipil UE, dan perusahaan dengan kewajiban verifikasi sendiri. Akses akan melebar seiring waktu. Jika Anda tidak memenuhi syarat, Anda tidak bisa memverifikasi output Anda sendiri melalui API, dan bukti Anda harus berasal dari log Anda sendiri.

Mengapa ini ada

Pasal 50 EU AI Act mulai berlaku pada 2 Agustus 2026, dan mewajibkan penandaan konten buatan AI yang dapat dibaca mesin. Penandaan diterapkan di seluruh dunia, bukan hanya di UE, yang merupakan pilihan rekayasa yang lebih sederhana dan berarti penandaan itu sudah ada di output yang Anda rilis berbulan-bulan lalu.

Apa artinya bagi sistem Anda

Ada tiga fakta praktis. Output pendek membawa sinyal yang lemah, jadi layanan klasifikasi atau ekstraksi yang mengembalikan satu kata pada dasarnya tidak ditandai. Pemrosesan lanjutan yang berat — parafrase, ringkasan, terjemahan, atau meneruskan teks melalui model kedua — mengikis sinyal, sehingga rantai model paling banter hanya mengaitkan provenans ke model terakhir. Dan pipeline gambar Anda bisa menghancurkan metadata C2PA secara tidak sengaja, yang merupakan cara paling umum provenans hilang di produksi.

Tidak satu pun dari itu menjadi alasan untuk mengubah apa yang Anda bangun. Itu menjadi alasan untuk mengetahui output mana yang masih membawa provenans dan mana yang tidak, sebelum seseorang meminta Anda membuktikannya.

Terkait

Ingin menerapkannya pada stack Anda? Bawa tagihan penyedia, log gateway, dan alur kerja utama; kami akan memetakan pendorong biaya dan jalur penghematan. Pesan audit gratis →

Kembali ke finopsllm.com