تعتبر نماذج اللغة والرؤية الكبيرة (Large-scale vision-language models) مثل CLIP نموذجاً للتطور التقني المذهل الذي شهدناه في السنوات الأخيرة، حيث أثبتت هذه النماذج قدرتها العالية في الأداء عبر مجموعة واسعة من المهام التطبيقية. ومع تزايد استخدام النماذج الذكية، أصبح من الضروري التفكير في كيفية حماية حقوق الطبع والنشر للبرمجيات الذكية، ولذا تأتي تقنية SWAP كنموذج مبتكر لحل هذه المعضلة.

تقنية SWAP، التي تُعرف بـ 'Sequential Watermarking for Soft Prompts'، تهدف إلى التحقق من حماية حقوق الطبع والنشر من خلال تقييم ما إذا كانت النماذج المشبوهة تحتوي على عبارات مائية محمية. فقد أظهرت الأبحاث أن الأساليب الحالية للتحقق من ملكية النماذج لا تُحقق نتائج فعالة بسبب الخصائص الفريدة لتعلم العبارات. تُعد أساليب التدقيق غير المتطفلة عرضة للأخطاء عند التواصل بين نماذج مستقلة تتشارك بيانات مشابهة، بينما الأساليب المتطفلة تفشل أيضًا في التطبيق العملي.

لقد تم تصميم SWAP لتغلب على هذه التحديات من خلال إدخال علامات مائية في مساحة أكثر تعقيدًا، حيث يتم ترميز العلامات عن طريق ترتيب معين من الفئات غير المتطابقة المحددة من قبل المدافع، مستلهمة من قدرة CLIP على التنبؤ بدون استخدام بيانات تم تدريبها مسبقاً. المحافظة على التوقعات الأصلية يجعل العلامة المائية أقل تعارضًا مع المهمة الأساسية، مما يعزز من فعالية التطبيق.

علاوة على ذلك، تم تصميم بروتوكول تحقق مدعوم بالاختبارات الفرضية لتقديم تحليل نظري يوضح متى يمكن أن يكون التحقق فعالًا. أظهرت التجارب الواسعة على 11 مجموعة بيانات أن SWAP تتمتع بالفعالية والموثوقية في مواجهة التهديدات المحتملة.

لا شك أن هذه التقنيات تمثل خطوة كبيرة نحو تأمين مستقبل البرمجيات الذكية وحمايتها ضد استخدامات غير مشروعة.