평범한 텍스트 속에 AI 워터마크가 숨는 법

Anthropic은 Claude가 생성하는 모든 결과물에 워터마크를 적용할 계획이다. 이미지와 같은 파일에는 C2PA 표준을 사용하지만, 평문 텍스트의 경우 복사 및 붙여넣기 후에도 유지되는 '감지할 수 없는 워터마크'를 도입한다.

단순한 ASCII 텍스트는 바이트 수준에서 추가 정보를 담을 공간이 없지만, 워터마크는 바이트가 아닌 단어 선택(Word Choice) 과정에서 심어질 수 있다. 모델이 다음 단어를 결정할 때 특정 통계적 패턴을 따르도록 유도하는 방식이다.

텍스트 워터마크는 크게 네 가지 계층으로 구분된다:

• 인코딩(Encoding): 제로 너비 문자나 유사한 알파벳 사용 (가장 취약함)
• 포맷팅(Formatting): 줄 바꿈 등 서식 활용 (쉽게 제거됨)
• 단어 선택(Word Choice): 특정 키를 가진 단어를 통계적으로 선호 (복사/붙여넣기 시에도 유지됨)
• 의미(Meaning): 텍스트의 의미적 구조에 신호를 삽입 (가장 강력함)

Anthropic의 방식은 단어 선택 계층에 해당할 가능성이 높다. 이 방식은 텍스트가 정상적으로 보이지만, 특정 키를 가진 검사기는 통계적 편향을 통해 AI 생성 여부를 식별할 수 있다.