En la era moderna de la creación de software, una revolución silenciosa está en marcha. Los modelos de lenguaje extensos, los poderosos sistemas de inteligencia artificial capaces de escribir código informático, se han convertido en herramientas estándar para los desarrolladores, prometiendo acelerar la construcción de aplicaciones digitales. Sin embargo, esta conveniencia trae consigo un desafío significativo: cuando una máquina escribe un programa, se vuelve casi imposible determinar quién lo creó realmente. Las líneas entre el esfuerzo humano y la generación por máquina se desdibujan, dejando a las empresas de software e investigadores vulnerables al robo, el plagio y la propagación de código no verificado. Para resolver esto, los expertos han intentado durante mucho tiempo ocultar firmas digitales, o marcas de agua, dentro del propio texto del código. Pero estos métodos tradicionales son frágiles; son como escribir un mensaje secreto en el espaciado entre las palabras, el cual se destruye en el momento en que alguien vuelve a escribir el documento o cambia la fuente. El código permanece igual, pero el mensaje oculto desaparece.

Un nuevo enfoque, detallado en una investigación reciente, cambia la estrategia desde la superficie del texto hacia la lógica subyacente del programa. En lugar de ocultar un mensaje en las palabras, este método lo oculta en la estructura de la arquitectura del código. Los investigadores desarrollaron un sistema que trata un programa informático no como una línea de texto, sino como un mapa jerárquico de su propia lógica, conocido como un árbol de sintaxis abstracta. Este mapa muestra cómo las diferentes partes del código se conectan e interactúan, independientemente de cómo se formatee o se nombre el código. Al realizar cambios diminutos y matemáticamente garantizados en esta estructura —como intercambiar el orden de dos números en un cálculo que no importa, o convertir un tipo específico de bucle en un tipo diferente pero equivalente—, el sistema incrusta una firma criptográfica directamente en el ADN del programa. Estos cambios son invisibles para la computadora que ejecuta el código y no alteran lo que el software hace, pero dejan una marca permanente y detectable que sobrevive incluso si el código es editado o reescrito intensamente.

El núcleo de este marco de trabajo se basa en una herramienta llamada tree-sitter, que actúa como un analizador de alta fidelidad capaz de leer el código y reconstruir su esqueleto lógico sin perder ningún detalle. A diferencia de las herramientas estándar que podrían descartar el formato o los comentarios, este sistema preserva la disposición exacta byte a byte del archivo fuente mientras construye una estructura de árbol que representa la lógica del código. Los investigadores utilizaron esto para identificar puntos específicos en el código donde podrían realizar cambios de forma segura sin romper el programa. Se centraron en tres tipos principales de transformaciones. Primero, buscaron operaciones conmutativas, donde el orden de dos elementos no cambia el resultado, como sumar dos números. Intercambiar el orden de estos números es una forma segura de codificar un solo bit de datos. Segundo, identificaron sentencias independientes, o líneas de código que no dependen entre sí, y reorganizaron su orden. Tercero, transformaron ciertas estructuras de control, como cambiar un bucle estándar que cuenta hacia arriba hasta un número en un tipo de bucle diferente que logra exactamente el mismo resultado.

Para incrustar una marca de agua, el sistema utiliza una clave secreta para generar una secuencia específica de estos cambios estructurales. Luego escanea el código, encuentra los puntos elegibles y aplica los cambios dictados por la clave secreta. Por ejemplo, si la clave dice que se debe intercambiar el orden de una suma específica, el sistema lo hace. Si la clave dice mantener el orden, lo deja tal como está. Debido a que estos cambios se basan en la lógica del lenguaje y no en las palabras específicas utilizadas, sobreviven a las herramientas de formateo estándar que simplemente limpian el espaciado o renombran variables. Incluso si un desarrollador pasa el código por un formateador que reorganiza todo el archivo, la estructura lógica permanece intacta y la firma oculta persiste. El sistema está diseñado para ser robusto contra los intentos de eliminar la marca de agua, incluyendo ataques donde se le pide a una segunda inteligencia artificial que reescriba el código para eliminar la firma.

Para verificar si un código contiene una marca de agua, los investigadores construyeron un motor de detección que trabaja a la inversa. Toma un fragmento de código, reconstruye su árbol lógico y busca en los mismos puntos donde se podrían haber realizado cambios. Luego verifica el estado de esos puntos contra el patrón esperado generado por la clave secreta. Si el código fue marcado con agua, el patrón de cambios coincidirá con la clave secreta con mucha más frecuencia de lo que se esperaría por puro azar. Los investigadores utilizaron una prueba estadística para medir esta probabilidad, comparando las coincidencias observadas contra una línea base de variación aleatoria. Si el número de coincidencias es lo suficientemente alto, el sistema concluye con alta confianza que el código fue generado por el modelo de IA específico que aplicó la marca de agua. Este proceso es riguroso y matemático, asegurando que la detección no sea una suposición, sino un hallazgo estadísticamente significativo.

Los investigadores probaron su marco de trabajo contra una amplia gama de ataques para ver qué tan bien resistía. Simularon escenarios donde el código con marca de agua era pasado por herramientas de formateo, se le renombraban sus variables o era reescrito por otro modelo de inteligencia artificial para "limpiarlo". En estas pruebas, los métodos tradicionales de marcas de agua basados en texto fallaron casi por completo. Cuando el código era formateado, las firmas basadas en texto eran destruidas, y la tasa de detección caía a una mera fracción de lo que era en el código limpio. En contraste, el nuevo enfoque estructural mantuvo una tasa de detección de casi el noventa y nueve por ciento incluso después del formateo. Cuando el código fue sometido al renombrado de variables, el método estructural detectó la marca de agua en casi todos los casos, mientras que los métodos estructurales anteriores tuvieron dificultades. Incluso cuando se utilizó una segunda inteligencia artificial para parafrasear y reescribir el código, una técnica contra la cual es muy difícil defenderse, el nuevo marco mantuvo una tasa de detección de más del ochenta y cuatro por ciento. Esta resiliencia se debe a que el sistema incrusta muchas copias de la firma a lo largo del código; incluso si el proceso de reescritura destruye algunas de las marcas, suficientes permanecen para probar el origen.

El estudio también abordó la preocupación de que estos cambios pudieran romper el código o ralentizarlo. Los investigadores verificaron que cada transformación aplicada preservaba la salida exacta del programa y no cambiaba su velocidad o uso de memoria. El código compiló y se ejecutó perfectamente, con cero degradación funcional. Esta es una distinción crítica de otros métodos que intentan sesgar a la IA durante el proceso de escritura, lo que a veces puede derivar en errores o código inválido. Al trabajar sobre el código terminado y realizar únicamente intercambios matemáticamente seguros, el marco asegura que el software sea plenamente funcional. El proceso de detección en sí mismo también es eficiente, apoyándose en una prueba estadística que puede ejecutarse rápidamente para verificar la procedencia de grandes cantidades de código.

Las implicaciones de este trabajo se extienden más allá de la simple protección de derechos de autor. A medida que la inteligencia artificial se integra más en la cadena de suministro de software, la capacidad de verificar el origen del código se convierte en una cuestión de seguridad. Si un fragmento de código contiene una vulnerabilidad oculta introducida por una IA, conocer su origen es esencial para solucionar el problema. Este marco proporciona una forma de rastrear ese origen, asegurando que el software de misión crítica pueda ser auditado y confiado. Los investigadores demostraron que su método funciona a través de un conjunto de datos de miles de scripts generados, mostrando que es escalable y está listo para el uso en el mundo real. Aunque el estudio se realizó sobre código Python, los principios de invarianza estructural se aplvican a muchos lenguajes de programación, sugiriendo un amplio camino a seguir para asegurar las herramientas digitales del futuro.

Los hallazgos sugieren un cambio fundamental en la forma en que protegemos la propiedad intelectual en la era de la inteligencia artificial. Al mover la marca de agua de la frágil superficie del texto al robusto esqueleto de la lógica, los investigadores han creado un sistema que es difícil de borrar y fácil de verificar. Los resultados indican que este enfoque no es solo una posibilidad teórica, sino una solución práctica que puede resistir la edición y reescritura agresiva que caracteriza el desarrollo de software moderno. A medida que la línea entre el código humano y el de la máquina continúa desdibujándose, esta marca de agua estructural ofrece una forma fiable de mantener la transparencia y la responsabilidad en el software que construimos. La investigación confirma que es posible incrustar una firma permanente e inquebrantable en la lógica misma de un programa, asegurando que el verdadero origen del código permanezca visible, sin importar cuánto se cambie la superficie.