一份客户表被拆散、混进别的数据,甚至只流出一行,过去依赖整张表汇总信号的水印就可能失灵。Dongyu Cui 与 Xuan Bi 提出的 STAMP,想给每条生成记录都留下可识别的来源标记:检测时样本量最小可以是一行。这让合成数据被切分、混合或少量泄露后,仍有机会追查出处。
表格水印是在尽量不损害数据用途的前提下,藏入统计信号。难点是表格同时包含数值和类别字段,水印太重会扭曲类别比例、变量关系或训练效果。作者称,STAMP 能适配并保留多种分布;模拟实验和两个真实数据应用显示,它在维持数据保真度与较高检测率的同时,也能抵抗抽取部分行的情况。论文还给出渐近一致性和检测准确性的理论保证。不过,现有材料未披露具体检测率及数据改动幅度,实际权衡仍需结合完整实验判断。