Anthropic раскрыла технические детали внедрения незаметных водяных знаков (watermarking) в ответы моделей Claude. Изменение реализовано в рамках статьи 50(2) европейского закона EU AI Act, обязывающей разработчиков обеспечивать машиночитаемую маркировку синтетического контента.
Вместо видимых символов алгоритм модифицирует генератор псевдослучайных чисел. Когда модель выбирает следующий токен из равнозначных кандидатов, выбор корректируется секретным криптографическим ключом с учетом контекста. В тексте формируется незаметный математический паттерн, который считывается верификатором с соответствующим ключом.
При вычитке готового пользовательского текста модель меняет мало слов, поэтому плотность знака минимальна. В коде маркеры размещаются в комментариях и эквивалентных синтаксических конструкциях, не влияя на исполняемую логику. При этом водяной знак не является абсолютным детектором: глубокая ручная редактура или смешение фрагментов ослабляют сигнал, а отсутствие метки не доказывает авторство человека.
