2026-10-16 13:37:38 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

软件工程顶刊IEEE TSE 2026论文解读 | ACW：无训练通用水印，破解LLM代码检测落地难题

原创

牛伟纳
牛伟纳

信息网络安全杂志

2026年10月14日 12:00
上海

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

一、引子

大模型赋能代码自动生成普及之后，AI代码带来的伦理风险与版权争议愈发突出。智能编程工具大幅提升开发效率的同时，也滋生了学术不端、恶意代码批量生成、开源代码侵权等问题，代码溯源与真伪检测成为软件工程合规治理的关键难题。目前文本水印检测技术已趋于成熟，但适配代码场景的水印方案始终存在落地短板：多数方法通用性弱、算力开销大，且极易被常规代码改写消除水印。面对行业“检测难、适配差、部署贵”的现实困境，IEEE TSE 2026的这项研究提出即插即用、免训练的ACW水印框架，为通用、高效、高鲁棒的LLM代码检测提供了全新落地解法。

二、论文速览

过往LLM代码水印研究长期存在三大核心瓶颈，严重制约实际应用。一是跨模型泛化能力差，传统水印多针对单一模型定制，模型迭代或更换后检测效果大幅衰减；二是部署成本高昂，主流方案依赖模型训练与微调，时间、内存开销大，无法适配规模化代码检测场景；三是鲁棒性不足，依托Token特征构建的水印，可通过变量重命名、格式调整等保语义操作轻松抹除，对抗能力薄弱。

针对以上痛点，本文跳出传统技术路线，创新提出ACW无训练隐式代码水印方案。核心亮点是设计一套保语义、幂等性的专属代码变换规则，无需训练、无需改动大模型结构，可直接嵌入各类LLM代码生成流程。模型输出代码会被选择性施加轻量化结构变换，形成隐形专属水印，而人工编写代码无对应变换特征，以此实现AI代码的精准识别与溯源。实验结果充分验证了方案优势：ACW适配全品类代码大模型，算力开销极低，完整保留代码运行性能，且能抵御常规代码扰动与篡改，兼具通用性、高效性与实用性。

三、深度解剖

该论文的核心价值，在于完成了技术范式优化与场景实用化的双重突破，推动代码水印研究从实验室指标导向转向真实场景落地导向。

此前业内主流代码水印分为两类，均存在固有缺陷。Token筛选类水印受限于代码语法约束，特征空间狭小，易破坏代码语义，且适配新模型成本极高；模型嵌入类水印依赖参数微调，算力消耗大，还会随模型迭代出现水印退化失效问题。两类方案均无法平衡检测精度、代码可用性与抗干扰能力，这也是代码水印长期难以工业化落地的核心原因。

ACW实现了根本性优化，将水印载体从脆弱的Token、模型参数特征，升级为稳定可控的代码结构变换特征。依托幂等变换特性，水印特征稳定留存、难以清除，且全程不影响代码编译与运行效果。其模型无关、即插即用的设计，打破了“一模型一水印”的行业固有认知，彻底解决了传统方案通用性不足、部署成本高的痛点，是当前AI代码溯源领域适配性最强、落地成本最低的优质方案。

四、局限与展望

ACW有效破解了现有技术难题，但仍存在明确的场景边界与优化空间。首先，论文实验仅覆盖通用常规代码，未适配嵌入式代码、大型工程复杂代码等特殊场景，复杂业务下的检测稳定性有待验证；其次，方案仅能抵御基础代码改写操作，面对批量混淆、深度对抗篡改等高级攻击，鲁棒性仍有提升空间；最后，仅适配单轮代码生成场景，无法支撑多轮迭代、多人协作开发的全流程溯源。

未来研究可聚焦三大方向：一是拓展场景适配能力，针对工业、嵌入式等细分代码场景优化变换规则，构建全场景检测体系；二是强化对抗鲁棒性，结合特征增强技术，提升高级攻击下的水印留存与检测精度；三是对接代码版本管理技术，实现代码全生命周期AI溯源。该轻量化框架具备极高二次开发价值，可快速落地企业代码风控、学术诚信审核、开源版权合规等场景。

五、写在最后

该研究对国内AI安全与软件工程领域具备重要参考价值。学术层面，其免训练、结构变换水印的创新思路，突破了文本水印迁移适配代码的固有思维，开辟了通用型代码溯源研究新方向。产业层面，ACW低成本、高兼容、易部署的特性，完美契合工业规模化落地需求，有效解决AI代码版权混乱、造假溯源难的行业痛点。

AI代码技术的创新发展，始终需要合规安全体系兜底。在模型持续迭代、对抗手段不断升级的当下，轻量化、通用化、高鲁棒的溯源水印，将成为AI代码生态规范化的核心基础设施，为技术良性发展筑牢安全防线。

点评专家：牛伟纳研究员

专家单位：电子科技大学

原文标题：Efficient and Universal Watermarking for LLM-Generated Code Detection

原文作者：Boquan Li、Zirui Fu、Mengdi Zhang、Peixin Zhang、Jun Sun、Xingmei Wang

期刊/会议：IEEE Transactions on Software Engineering

DOI：10.1109/TSE.2026.3710556

版权与来源声明：本文依据《中华人民共和国著作权法》第二十四条之规定，为介绍、评选之目的，在此适当引用。原文版权归原作者所有。