SSD Nodes Learn Hosting plans →
ガイド Matt Connor著者 Matt Connor ・更新日 2026-10-19

Claudeのテキスト透かしの仕組みと検出の限界を解説

2026年8月以降のClaude出力に埋め込まれるテキスト透かしの技術的背景を解説します。トークン選択のバイアスがどのように機能し、なぜ検出結果がAI生成の証明として不十分なのか、EU AI Actの規制要件と併せて詳しく説明します。

Claude のテキスト透かしとは

Claude のテキスト透かしは、モデルが単語を選ぶ際に適用されるバイアスです。ファイルに付加されるタグではありません。正規表現で削除できる不可視の Unicode 文字列でもありません。Anthropic は、14 August 2026 に公開され 1 September 2026 に更新された Claude のテキスト透かしの仕組みで、この方式は「単語間の選択に使う乱数の生成元だけを変更する」と説明しています。選択には、秘密鍵と直前にある数語が使われます。透かしは選ばれた単語そのものに含まれるため、コピーや貼り付けをしても維持されます。一方、単語を変更すると失われます。

ここから2つの点が分かります。これらが、このテーマが検索される理由です。検出は、十分な数の単語がそろって初めて意味を持つ統計検定です。そのため、1文だけでは有用な判断を示せない場合があります。また、検出結果が陰性でも何も証明されません。Anthropic のヘルプセンターには、「検出されたマークがないことは、そのコンテンツが AI によって生成または処理されていないことを意味しない」と記載されています。

11 October 2026 に確認したヘルプページ Claude が AI 生成コンテンツをマークする方法には、対象となるサービスとして「Claude Platform (API)、Claude、Claude Code、Claude Cowork、Claude Tag」が挙げられています。AWS、Google Cloud、Microsoft Foundry 経由の利用も含まれます。2 August 2026 以降にリリースされたモデルは、リリース時点で機械可読なマーキングをサポートします。それ以前のモデルについては、Anthropic がマーキングを追加するまでの移行期間が設けられています。現在のページには、モデルごとの表も掲載されています。この日付は偶然ではありません。EU AI Act の Article 50 は 2 August 2026 から適用され、合成テキストを生成するシステムの提供者に対し、出力を「機械可読な形式で、人工的に生成または操作されたものとして検出可能な形で」マークすることを求めています。Digital Omnibus on AI である Regulation (EU) 2026/1744 は、2 August 2026 より前にすでに市場へ投入されていたシステムについて、提供者がこのマーキング義務に対応する期限を 2 December 2026 までとしています。Anthropic は、EU 向けのトラフィックだけでなく、世界中でマーキングを適用すると説明しています。

ファイルの場合は仕組みが異なります。ヘルプページによると、Claude は対応する生成ファイル形式、たとえば「PNG や JPEG」に、Content Credential と呼ばれる署名付きの来歴メタデータを付加します。これは C2PA (Coalition for Content Provenance and Authenticity) 標準に準拠しています。このメタデータはファイルの内容に加えられるもので、内容自体を変更するものではありません。そのため、簡単に失われます。

トークン選択にウォーターマークが与える偏り

各ステップで、言語モデルは次に出力できるすべてのトークンについて確率を計算します。トークンとは、単語全体または単語の一部です。サンプラーはその中から1つを選びます。通常、この選択に使う乱数は一般的な乱数源から取得します。ウォーターマーク用のサンプラーは、その乱数源を鍵付き擬似乱数関数に置き換えます。入力は秘密鍵と直前の数個のトークンです。そのため、鍵を持つ人には選択を再現できますが、それ以外の人には通常のばらつきに見えます。

広く引用されている最初の公開版は、A Watermark for Large Language Models(Kirchenbauer et al., ICML 2023)です。各トークンの前に、鍵とそれまでのトークンから、語彙の擬似乱数による「green」サブセットを選びます。サンプラーは、そのサブセットに含まれるトークンのスコアに小さなボーナスを加えます。禁止されるトークンはないため、文章の流暢さは維持されます。ただし、green トークンは偶然の場合より少し高い頻度で現れます。

Anthropic の投稿によると、その実装は SynthID-Text に基づいています。SynthID-Text は Google DeepMind が 2024年10月に Nature で発表した Scalable watermarking for identifying large language model outputs で説明されています。また、この考え方は Scott Aaronson が 2022年に提案した方式にまでさかのぼるとしています。SynthID-Text は、モデル自身の分布から複数の候補トークンを抽出し、鍵付き関数でスコアを付けたノックアウトトーナメントを実行します。そのため、最後に残るトークンは鍵が好むものになりやすくなります。候補はモデル自身の分布から選ばれます。公開評価で品質の測定可能な低下が報告されていないのは、このためです。

重要な結果はエントロピーに関係します。偏りが機能する余地があるのは、モデルに実際の選択肢がある場合だけです。次に来る正しいトークンが Paris だけなら、文章を誤りにせずにそれを変更できる方式はありません。Anthropic はこの点を明確に述べています。ウォーターマークは「文章の正確さを低下させずに選べる選択肢が少ない事実に関する文章では、より疎になります」。また、コードは通常、正確でなければならないため、「他の形式の文章よりウォーターマークが少ない傾向があります」。信号密度はモデルにどれだけ自由な選択肢があったかに対応します。そのため、自由度の高い長い文章には強い印が残りますが、短い事実回答にはほとんど残りません。

ここまでの説明には、すべてに共通する重要な限界があります。2026年10月11日時点で、Anthropic が公開しているのは、その方式が属する手法の系列であり、パラメーターや検出器のしきい値ではありません。このセクションの仕組みは、引用した論文に基づいています。Anthropic が示している公開済みの設計として読んでください。Claude の正確な構成を説明したものではありません。

検出は押印ではなく仮説検定です

検出器はテキストと鍵を受け取ります。テキストを走査し、各位置でその鍵ならどの選択を優先したかを再計算し、各トークンをスコア化して合計します。帰無仮説は、そのテキストが鍵付きサンプラーを使わずに書かれたというものです。この場合、スコアはコイン投げのように振る舞い、合計は期待値の近くに収まります。透かし入りテキストでは、合計がその値を上回る方向にずれます。出力されるのは p 値です。これは、透かしのないテキストからそれほど高い合計が得られる確率を示します。「検出された」という判定は、その p 値を誰かが選んだしきい値と比較した結果です。

この設計には、実際の運用で感じる影響が 2 つあります。トークンが増えるほど確信度は高まります。追加された各トークンが、弱いながらも新たな証拠になるためです。Anthropic は次のように説明しています。「透かしの検出は、単語の選択肢が少なく、利用できる情報も少ない短いサンプルでは、うまく機能しません。」しきい値の設定もトレードオフになります。段落を検出できるほど低く設定すると、人間が書いた段落も偶然検出し始めます。

現在も、ほとんどの読者はこの検定を自分で実行できません。Anthropic の投稿には、1 September 2026 の更新以降、「検出 API を private preview で提供します」と記載されています。この API は、「EU 法で必要とされる場合」に、規制当局、法執行機関、メディア、ファクトチェッカー、独立研究者、教育機関、EU の市民社会団体などの対象組織が利用できます。また、Act への自社のコンプライアンス対応として「透かしを検証する同様の義務を負う」企業も利用できます。Anthropic は「検出 API へのアクセスを今後段階的に拡大する」予定だと説明しており、両ページから関心を登録するフォームにアクセスできます。したがって、11 October 2026 時点では、一般公開されたテキスト検出器はありません。これらの組織以外では、特定の文章にその印が付いているという主張を確認も反証もできません。ファイルには、誰でも利用できる別の方法があります。無料の Claude Content Checker では、アップロードしたファイルに Claude Content Credential が含まれているかを確認できます。ただし、「テキストは確認しない」と明記されています。

この差は、代わりに人々が利用するものを考えると重要です。学校や編集者向けに販売されている商用の「AI 検出器」は、文章の文体で学習した分類器です。これらは鍵を保持せず、この種の検定も実行しません。失敗の実態も記録されています。GPT detectors are biased against non-native English writers(Liang ら、Patterns、2023)は、広く利用されている検出器が、英語を母語としない執筆者による TOEFL エッセイのセットの半数超を AI 生成と判定した一方、母語話者によるサンプルは正しく分類したことを示しました。透かし検出器と文体分類器は別の機械です。後者を前者と称して渡そうとする人を信用しないでください。

ウォーターマークを除去する方法

短い出力。 1 行の回答では、統計的な検出結果を変えるのに必要な選択肢が少なすぎます。これは実装上の不足ではなく、検査自体の性質によるものなので、対策はありません。

書き直し。 Anthropic によると、軽微な編集ではマークを読み取れる場合がありますが、「すべての単語を置き換える完全な書き直し」によって除去できます。置き換えた単語は、鍵では説明できなくなった単語です。

別のモデルを介した言い換え。 2 番目のモデルは、独自の sampler と鍵なしの状態で各 token を選び直します。そのため、出力には、そのモデルにウォーターマークがあればそのマークが付き、Claude のマークは付きません。

例外付きの翻訳。 Claude の英語を別の translator で実行すると、新しい sampler がすべての訳語を選ぶため、信号は失われます。Anthropic は逆方向になるケースも説明しています。「Claude が生成した翻訳にはウォーターマークが付きます。この場合、すべての単語を Claude が選ぶためです。」

コードは基本的に対象外。 正しいコードでは、置き換え可能な選択肢がほとんどありません。TechCrunch は 2026 年 8 月 15 日、Anthropic が「実際に生成されるコードへの影響は無視できる程度」と見込んでおり、マークはコメントに現れやすいと報じました。これは公開されたドキュメントではなく、企業の発表に関する報道です。そのため、コメントに現れやすいという詳細は未確認情報として扱ってください。パッチ内で実際に選択の余地があるのは、コメントと identifier 名です。

ファイルではメタデータを除去する。 C2PA の来歴情報は画像データの外側に格納されます。そのため、保持するよう指定しない限り、ファイルを再エンコードする処理で通常は削除されます。通常の静的サイトのビルドで使用する画像 optimizer も該当します。Anthropic の help page では、マークが失われる理由の 1 つとしてメタデータの除去を挙げています。

検出されたマークが実際に示すこと

「watermark」という言葉から受ける印象ほど多くはありません。Anthropic の投稿は明確です。「watermark で判定できるのは、Claude がある時点でそのコンテンツに関与した可能性が高いということだけです。『Claude がこれを書いた』のか、『Claude がこれを大幅に編集した』のかを区別することはできません」。ヘルプページには、「Claude が元の著者とは限らない」とも記載されています。これは、自分で書いた文章の編集に Claude を使う人がいるためです。また、Claude が扱った後にコンテンツが変更されている可能性もあります。

Anthropic が公開した資料には、アカウント単位またはユーザー単位の信号についての説明はありません。文書化されている範囲では、このマークが示すのは Claude model が関与したということです。ある文章を生成した user や API key が watermark から判別できるという説明を受けた場合、その主張は、2026 年 10 月 11 日時点の一次資料にはありません。

AI 支援によるコードの公開方法は変わりますか?

コードについては、技術的な答えはほぼ「いいえ」です。理由はすでに述べた 2 つです。正確なコード内の信号は弱く、テキスト検出は対象組織向けの限定的なプレビューにとどまっています。公開できるかどうかを決めるのはポリシーであり、ポリシーは変わっていません。オープンソースプロジェクトは AI 支援による貢献について独自のルールを定めています。そのルールを適用するのは、トークンを検出器で調べる仕組みではなく、メンテナーが pull request を読む運用です。

サーバーが生成する文章については、1 つの点で「はい」です。API 呼び出しでリリースノートや製品ページを書く場合、その文言は Claude のものなので、マークも文言に含まれます。markdown を HTML に変換し、minify し、結果を Postgres に保存して CDN から配信しても、文言は変わりません。そのため、いずれの処理でもマークは維持されます。マークを弱めるのは、人間の編集者が文を書き換えることです。

プロンプトで watermark を消すことはできません。watermark はサンプリング層で適用され、モデルが生成するテキストの下位で処理されるため、「このテキストには watermark を付けないでください」のような指示が作用する対象がありません。これは、エージェントが指示を無視する通常の理由とは異なります。後者では、指示がモデルに届いたうえで、別の要因に負けています。2026 年 10 月 11 日時点で、API 顧客向けに文書化されたオプトアウトはありません。

Claude を文章作成ではなくサーバー運用に使う場合、この変更による影響はほとんどありません。Shell コマンドや設定断片は短く制約も多いため、含まれる信号はほぼありません。また、マーク付与によってサーバー上で実行される処理が変わることもありません。Claude を使った日常の sysadmin 作業では別の問題が生じます。そもそも何がマシンの外へ送られるのか、という問題です。coding agent が実際にサーバーから送信する内容を参照してください。

開示すべき内容

開示は検出の問題ではなく、ルールの問題です。透かしがあっても開示義務が生じるわけではなく、透かしがなくても義務が免除されるわけではありません。自分に適用されるルールを確認し、検出可能かどうかにかかわらず従ってください。

EU AI Act では、役割が2つに分かれています。Article 50(2) は provider である Anthropic に表示義務を課しており、今回の展開が満たすのはこの義務です。Article 50(4) は deployer に義務を課しています。AI 生成テキストを「public on matters of public interest に知らせる」目的で公開する者は、それが人工的に生成されたことを開示しなければなりません。ただし、ほとんどの publishing team が該当する免除規定があります。そこでは「AI-generated content が human review または editorial control のプロセスを経ており、natural または legal person が publication に対する editorial responsibility を負っている」場合が対象です。いずれも 2 August 2026 から適用されます。ただし、marking duty は、その日より前から市場に出ている systems に限り、2 December 2026 まで延期されます。名前のある editor が確認した記事は、人が読まずに公開する feed とは異なる扱いになります。これは regulation の文言に基づく解釈であり、legal advice ではありません。

法律より広い範囲に及ぶルールもあります。employment contract、client agreement、patch を送る project の contributing guide、執筆する publisher の policy は、それぞれ追加の開示を求めることがあります。また、実際に誰かが確認するのも、これらのルールです。

開示する場合は、model が行ったことと、自分が確認したことを明記してください。「Claude で下書きを作成し、公開前にすべての command をクリーンな Ubuntu 24.04 install 上で実行した」と書けば、technical reader に具体的な情報が伝わります。一般的な「AI を使用」badge では伝わりません。model が代わりにできないのは、内容の確認だからです。

また、watermark の結果を告発の根拠に使わないでください。positive result が示すのは、誰かの文章の editor としての利用を含め、どこかの時点で Claude model が関与した可能性だけです。negative result からは、何も判断できません。

FAQ

Claude のテキスト透かしを無効にできますか?

2026 年 10 月 11 日時点で、文書化されたオプトアウト方法はありません。Anthropic のヘルプページでは、Claude、Claude Platform(API)、Claude Code、Claude Cowork、Claude Tag におけるマーキングについて説明しており、AWS、Google Cloud、Microsoft Foundry 経由の利用も対象に含まれますが、無効化する設定は記載されていません。モデルに回答へ透かしを入れないよう指示しても効果はありません。透かしは指示に従うモデルではなく、トークンを選択する sampler によって付与されるためです。

Claude が生成するコードにも透かしは表示されますか?

ほとんど表示されません。透かしは、いずれも許容できる複数の選択肢から選ぶことで機能しますが、正しいコードではそのような選択肢がほとんどありません。Anthropic は、コードは通常、正確でなければならないため、「他の種類のテキストより透かしが一般に少ない」と説明しています。TechCrunch は 2026 年 8 月 15 日、Anthropic がコード自体への影響は無視できる程度で、コメントに透かしが入りやすいと見込んでいると報じました。ただし、これは公開文書ではなく、発言を報じた記事です。変更の余地があるのは、パッチ内のコメントと識別子名です。

検出器が透かしを検出しなかった場合、人間が書いたことの証明になりますか?

いいえ。これは透かしに関して最もよくある誤りです。Anthropic 自身のページにも、「検出されたマークがないからといって、そのコンテンツが AI によって生成または処理されていないことを意味するわけではない」と記載されています。テキストが短すぎて検査できない場合や、編集または言い換えが行われている場合があります。マーキング機能の提供前にリリースされたモデルから生成された可能性や、別のベンダーのモデルによる可能性もあります。この検査は一方向です。Claude が関与した可能性を高めることはできますが、Claude が関与していないことを示すことはできません。

言い換えや翻訳を行うと透かしは消えますか?

別のモデルを使って言い換えると、透かしは消えます。そのモデルが独自の sampler と key を使わずに各単語を選び直すためです。外部ツールで翻訳した場合も、同じ理由で透かしは消えます。ただし、逆方向の例外があります。Anthropic は、「Claude が生成した翻訳には透かしが付く。この場合、すべての単語を Claude が選択するため」と説明しています。そのため、自分の文章を Claude で翻訳すると、元の文章になかったマークが追加されます。

自分で文書に Claude の透かしがあるか確認できますか?

テキストの場合は、所属組織が条件を満たしている場合に限り可能です。検出には key が必要なため、テキストを読んだり、オフラインツールを使ったりして確認することはできません。Anthropic の検出 API は、EU 法の下で対象となる組織、および透かしを検証する独自の義務を負う企業を対象に、private preview で提供されています。今後、利用範囲が拡大される予定です。そのため、2026 年 10 月 11 日時点では、一般公開されたテキスト検出器はありません。ファイルは扱いが異なります。無料の Claude Content Checker では、アップロードしたファイルに Claude Content Credential があるか検査できます。ただし、テキスト自体は検査しません。Claude のテキスト検出器として販売されているサードパーティー製ツールは key を保持していません。そのため、それらは文体分類器です。これは別の仕組みであり、第一言語が英語でない人の文章に対して偽陽性が発生することが文書化されています(Liang et al., Patterns, 2023)。

この記事は役に立ちましたか?

#claude#watermarking#ai-detection#provenance#policy