Sentient Foundationは、AIモデルの出自をどれほど確実に追跡できるかを検証する新たな「フィンガープリンティング・リーダーボード」を発表しました。これは、同財団独自の手法を含め、既存のフィンガープリンティング技術のほぼすべてが、巧妙な攻撃者によって回避され得ることを示す研究を受けたものです。

人工知能モデルの価値がますます高まるなか、誰が最初に開発したのかを証明することが大きな課題となっています。モデルはコピーされたり、ファインチューニングされたり、蒸留されて新たなバージョンに変えられたりするため、元の開発者が所有権を立証する手段は限られていることが少なくありません。

Sentient Foundationは、AIモデルに識別可能な署名を埋め込む技術を評価するため、公開ベンチマークであるFingerprinting Leaderboardを立ち上げ、この問題の解決を目指しています。

この取り組みの背景には、Sentient Labsによる研究があります。同研究では、提案されていた10種類のフィンガープリンティング方式の脆弱性が明らかになりました。研究者らは、ほぼすべての方式で、モデルの有用性を保ったまま適応型攻撃によって回避できることを発見しました。

独自のフィンガープリンティング技術の開発だけに注力するのではなく、Sentientは評価プロセスをより広い研究コミュニティに開放することにしました。

AIフィンガープリンティングの仕組み

AIフィンガープリンティングは、外部の記録やメタデータ、あるいはモデルの基盤インフラへのアクセスだけに頼らず、モデルの識別情報や出所を示す証拠を提供することを目的としています。

学習中に隠れた行動上の署名を埋め込む手法もあります。後に特定のプロンプトを使ってこれらの署名を検証することで、別のモデルに自らの元の成果の痕跡が含まれているかどうかを開発者が調べられます。

重要なのは、疑わしい派生モデルの内部重みへ直接アクセスする必要がなく、API経由のアクセスだけでこの検証を実施できることです。

「AIモデルは世界で最も価値ある知的財産の一つになりつつあります。しかし、モデルがコピーされたり蒸留されたりすると、所有権を証明するのは非常に難しくなります」と、Sentient Foundationのベンチャー・グロース担当ディレクター、Sachi Kamiya氏は述べています。

「フィンガープリンティングは、証明をモデルの中に埋め込みます。ルネサンス期の画家が作者を示すために使った隠し印の、AI版だと考えてください。」

オープンソースAIの開発が広がり、モデルの改変や再配布がますます増えるなか、このアプローチは特に重要になる可能性があります。

研究者ら、1つのモデルに24,000件を超えるフィンガープリントを埋め込み

Sentient Labsはこれまで、フィンガープリンティング技術が大規模に機能することを実証してきました。

NeurIPS 2025で紹介された同社のPerinucleus手法では、モデルの性能をほとんど低下させることなく、Llama-3.1-8Bに24,576件のフィンガープリントを埋め込むことに成功しました。

それらのフィンガープリントの多くは、その後のファインチューニングを経ても残存しました。これは、モデルが追加学習を受けた後も、識別情報を検出できる可能性を示しています。

しかし、何千ものフィンガープリントを埋め込めるからといって、それらが意図的な除去にも耐えられるとは限りません。

SaTML 2026で発表された研究では、通常のモデル改変に耐えられる技術であっても、署名の除去や回避を狙う攻撃者に対しては脆弱なままである可能性が明らかになりました。

影響を受けた手法には、Sentient独自のPerinucleusも含まれていました。

この研究結果は、AIフィンガープリンティングの中心的な課題を浮き彫りにしています。署名の存在を示すことと、敵対者が積極的に無効化を試みたときにもその署名が信頼できることを証明するのとは、大きく異なるのです。

フィンガープリンティングの主張を検証する公開ベンチマーク

新たに公開されたFingerprinting Leaderboardは、さまざまな手法を比較するための標準化された環境を提供することを目的としています。

初回リリースでは、フィンガープリンティング手法が、基盤となるモデルの性能を維持しながら識別可能な署名をどれほど効果的に埋め込めるかを評価します。

今後のリリースでは評価範囲を拡大し、敵対的な堅牢性も対象に加える予定です。意図的に署名の除去や回避が試みられた後もフィンガープリントを検出できるかを測定します。

この違いは重要です。管理された条件下で優れた性能を示す技術であっても、より敵対的な環境で出所を示す信頼性の高い証拠を提供できるとは限らないからです。

Leaderboardとあわせて、Sentientはオープンソースライブラリのmlprintsを公開します。このライブラリは、フィンガープリンティング技術と攻撃手法を共通の評価フレームワークにまとめるものです。

このライブラリを使えば、研究者は既存の実験を再現したり、別のフィンガープリンティング方式を実装したり、比較可能な試験条件のもとで新たな攻撃を開発したりできます。

これらのツールを一般公開することで、SentientはAIモデルの来歴に関する主張を評価する、より透明性の高いプロセスの確立を目指しています。

オープンソースAIにおいてモデルの所有権が重要な理由

この取り組みは、オープンソース人工知能をめぐる、より広い課題にも取り組むものです。

モデルの重みを公開する開発者は、他者が自らの成果を基に開発できるようにします。しかしその一方で、モデルがその後どのようにコピー、改変され、他のシステムに組み込まれたかを追跡するのが難しくなることがあります。

モデルを非公開にすれば配布をより強く管理できますが、オープンソースAIがもたらすアクセスのしやすさや協調的な開発は制限されます。

フィンガープリンティングは、開発者がモデルを共有しながら、その出所を明らかにする仕組みを維持できる、別のアプローチとなる可能性があります。

こうした機能は、将来的に、検証可能なモデルの来歴に基づく帰属の明確化、ライセンスの順守、経済的な取り決めを支える可能性があります。

しかし、この研究は、信頼性の高いフィンガープリンティングが依然として未解決の技術的課題であることも示しています。

Sentientの長期的な目標は、モデルの能力と極めて密接に結び付いた署名を開発し、それを取り除くとモデルの有用性も損なわれるようにすることです。

現時点で、Fingerprinting Leaderboardは、どの既存技術が出所を示す有意義な証拠を提供できるのか、またどの技術が操作に対して脆弱なままなのかを明らかにする取り組みです。

初期ベンチマークが公開され、今後のリリースでは敵対的テストも計画されていることから、このプロジェクトは、AIの知的財産保護における新たな課題の一つを評価するための共通の枠組みを研究者に提供する可能性があります。

この取り組みの詳細は、fingerprint.sentient.foundationでご覧いただけます。

免責事項：この記事は情報提供のみを目的としています。法律、税務、投資、金融、その他の助言として提供または利用されることを意図したものではありません。