SkillMarker es una metodología de marca de agua basada en KGW diseñada para verificar la propiedad de habilidades en agentes de inteligencia artificial. Este sistema aborda la vulnerabilidad de las instrucciones de agentes, que suelen distribuirse en texto plano y están expuestas a copias no autorizadas o fugas de información. La herramienta unifica la reescritura con restricciones de calidad y la búsqueda de candidatos orientada a señales para preservar la fidelidad de las instrucciones mientras se mejora la robustez de la marca de agua.
El método opera mediante un kit de código abierto que integra la inserción de marcas de agua, la auditoría de calidad y la detección. Está diseñado para ecosistemas distribuidos donde el contenido puede ser copiado en su totalidad o parcialmente, o incorporado en otras habilidades. En pruebas realizadas con cuatro conjuntos de datos, SkillMarker afecta mínimamente al rendimiento de las tareas posteriores. En pruebas de copia y pegado, la detección basada en ventanas identifica consistentemente pasajes copiados que contienen tan solo 1.536 tokens consecutivos. Además, incluso después de fusionar la habilidad con una o tres habilidades de fondo, las tasas de detección de marcas de agua se mantienen entre el 72,2% y el 77,8%.
