Сан‑Франциско, Калифорния, 20 октября 2026 года, Chainwire
После того как исследователи показали, что практически все протестированные методы «отпечатков» моделей можно обойти, включая собственный подход Sentient, новая таблица Fingerprinting Leaderboard открыто проверит, какие технологии реально выдерживают копирование, дообучение, дистилляцию и целевые атаки.
Современные ИИ‑модели стоят миллионы долларов на этапах обучения, но как только их копируют, дообучают или перегоняют в другие модели, доказать их происхождение становится крайне сложно.
Исследователи Sentient недавно протестировали десять предложенных подходов к решению этой задачи и показали: практически все они могут быть обойдены достаточно подготовленным атакующим при сохранении полезности модели. Под уязвимости подпала и собственная методика Sentient по нанесению «отпечатков».
Теперь Sentient Foundation запускает Fingerprinting Leaderboard — открытый бенчмарк, призванный измерить, какие подходы реально работают, насколько они влияют на качество модели и, главное, способны ли их «отпечатки» пережить попытки целенаправленного удаления.
Проблема становится все более острой по мере того, как на рынок выходят все более мощные модели, которые затем тиражируются, дообучаются, дистиллируются и переупаковываются. Веса моделей легко скопировать, метаданные теряются, и у разработчиков почти не остается надежных инструментов, чтобы показать, что другой продукт произошел именно от их модели.
Идея «отпечатков» предлагает альтернативу: помещать доказательство происхождения внутрь самой модели.
«ИИ‑модели становятся одним из самых ценных активов интеллектуальной собственности в мире, но как только модель копируют или дистиллируют, доказать право собственности становится невероятно сложно, — говорит Саки Камия (Sachi Kamiya), директор по венчурным и ростовым инициативам Sentient Foundation. — Отпечатки вшивают подтверждение прямо в модель. Это искусственный интеллект в роли аналогии с тайными метками, которыми художники Ренессанса помечали свои работы для подтверждения авторства».
Скрытая подпись внутри модели
Разработанный исследователями Sentient Labs и другими участниками рынка, подход «отпечатков модели» охватывает техники, которые создают, обнаруживают или верифицируют отличительные сигналы, ассоциированные с моделью, что позволяет позже проверять ее идентичность или «родословную».
Метод Sentient предполагает встраивание скрытых поведенческих «подписей» еще на этапе обучения. В дальнейшем правообладателю достаточно получить API‑доступ к подозреваемой производной модели: отправив секретные запросы‑челленджи и проанализировав ответы, можно проверить, сохранились ли в ней следы исходной модели.
Проще говоря, модель сама несет в себе доказательство своего происхождения.
«Отметка представляет собой поведенческую подпись, зашитую в процессе обучения и проверяемую затем через специальные запросы‑челленджи, которые позволяют понять, несет ли подозреваемая модель еще следы оригинала», — поясняет Эдуарду Контенти (Eduardo Contente), исследователь ИИ в Sentient Labs.
Это создает то, чего у ИИ исторически не было: подтверждаемое происхождение модели, которое можно верифицировать по самой модели, а не только по логам, метаданным или внешнему расследованию.
24 576 отпечатков в одной модели
Исследователи Sentient уже продемонстрировали, что подход с «отпечатками» может масштабироваться гораздо сильнее, чем ранние решения.
Их метод Perinucleus, представленный на конференции NeurIPS 2025, позволил встроить 24 576 отпечатков в Llama-3.1-8B с минимальной потерей качества, причем значительная часть отпечатков сохранилась даже после последующего дообучения.
Масштаб критичен: большее количество отпечатков означает более высокую статистическую уверенность, больше возможностей для проверки происхождения и большую устойчивость по мере копирования и распространения моделей.
Но масштаб — лишь часть задачи. Куда сложнее понять, выживают ли такие отпечатки при целенаправленных попытках их уничтожить.
Sentient попыталась взломать отпечатки — в том числе свои
Последние исследования Sentient Labs показывают, что многие существующие методы отпечатков и «водяных знаков» уязвимы для продвинутого атакующего.
В работе, представленной на SaTML 2026, команда Sentient разработала адаптивные атаки на десять недавно предложенных схем нанесения отпечатков и показала, что почти все из них могут быть обойдены достаточно сильным противником без существенной утраты полезности модели.
Под это заключение попал и собственный метод Perinucleus.
Вместо того чтобы скрыть слабые места, Sentient опубликовала результаты.
Fingerprinting Leaderboard превращает этот «игровой» процесс противоборства в открытый бенчмарк. В первой версии оценивается, насколько эффективно разные методы встраивают отпечатки без деградации качества модели. Следующий релиз добавит измерение устойчивости к атакам — проверку того, как хорошо отпечатки выживают при целенаправленных попытках их уничтожить или обойти.
Цель проста: отпечаток должен выдерживать не только лабораторный тест, но и ситуацию, когда его пытаются уничтожить в реальных условиях.
Открываем тест для исследовательского сообщества
Одновременно с запуском таблицы Sentient выпускает mlprints — open-source‑библиотеку, объединяющую техники нанесения отпечатков и методы атак в единую оценочную инфраструктуру.
Исследователи смогут реализовывать новые схемы, разрабатывать атаки, воспроизводить существующие результаты и сравнивать подходы в общих условиях по мере развития области.
Fingerprinting Leaderboard изначально создавался как живой инструмент сообщества: платформа, в которой «отпечатки моделей» становятся предметом открытого тестирования, а заявления об их устойчивости проходят независимую проверку, а не принимаются на веру.
Открытые модели без отказа от права собственности
Отпечатки могут стать ответом на одну из ключевых дилемм в open-source‑ИИ.
Сегодня разработчики обычно выбирают между закрытием весов — и сохранением контроля — или полноценным открытием модели — и утратой видимости того, как она копируется и переиспользуется.
Технология отпечатков предлагает третий путь.
Вместо того чтобы пытаться запретить копирование, она создает доказательство происхождения модели постфактум. Такое доказательство может лечь в основу механизмов атрибуции, лицензирования, экономических гарантий и других систем, опирающихся на проверяемое происхождение ИИ‑моделей.
Сделав происхождение модели проверяемым, исследования Sentient по отпечаткам и Fingerprinting Leaderboard стремятся сформировать открытую экосистему ИИ, где модели можно свободно распространять и развивать, не лишая создателей права доказать, откуда технология произошла.
Долгосрочная цель еще амбициознее: отпечаток должен быть настолько глубоко связан с возможностями модели, что его удаление неизбежно повредит самой модели.
Подтверждаемая интеллектуальная собственность. Знай свой ИИ.
Подробнее: https://fingerprint.sentient.foundation
О Sentient Foundation
Sentient Foundation — некоммерческая организация, задача которой — обеспечить, чтобы искусственный общий интеллект (AGI) оставался открытым и был выстроен в интересах человечества. Фонд действует на принципах нейтральности и прозрачности, продвигает глобальное принятие open-source‑AGI, занимается разработкой стандартов безопасности и выравнивания (alignment), предоставляет гранты разработчикам по всему миру и координирует рамки управления для ответственного развития ИИ. По вопросам для прессы: [email protected]
Сайт: https://sentient.foundation
X: https://x.com/sentient_found
LinkedIn: https://www.linkedin.com/company/sentient-foundation/
О Sentient Labs
Sentient Labs — исследовательское и продуктовое подразделение Sentient Foundation.
Лаборатория занимается прикладными исследованиями в областях рассуждений, выравнивания и координации мультиагентных систем, создавая open-source‑фреймворки и модели — включая, но не ограничиваясь ROMA, OML и Arena — которые демонстрируют потенциал общественно‑движимого искусственного интеллекта. В сферу задач входит монетизация open-source‑инструментов, повышение качества и полезности открытой ИИ‑экосистемы за счет координации на уровне экосистемы и формирование каналов дистрибуции, необходимых, чтобы open source стал де‑факто стандартом в ИИ.
Сайт: https://sentient.xyz
LinkedIn: https://www.linkedin.com/company/sentientagi
Контакты
Sachi Kamiya
Sentient Foundation
[email protected]