Jan, 2024

图像水印的稳健性评估

HTML
PDF
TL;DR该研究探讨了图像水印技术的弱点，提出了一种用于评估水印鲁棒性的新型基准测试工具WAVES（通过增强的压力测试进行水印分析），克服了当前评估方法的局限性。WAVES整合了检测和识别任务，建立了一个由各种压力测试构成的标准评估协议。WAVES中的攻击范围从传统的图像失真到先进和新颖的对抗性、扩散性和嵌入性攻击。我们引入了一个攻击效能的归一化得分，该得分结合了几种广泛使用的图像质量指标，并允许我们生成一个攻击排序。我们的综合评估揭示了几种现代水印算法先前未发现的漏洞。WAVES被设想为未来开发鲁棒水印系统的工具包。
发现论文，激发创造
  • 图像分类深度神经网络的数字水印技术的强度评估（扩展版）

    本文通过对DNN水印方案进行评估，发现目前的水印方案在实践中都不够稳健，需要通过更加全面的攻击评估来提高稳健性。

    Aug, 2021

  • 利用优化实现对图像水印的自适应攻击

    使用水印技术可以标记生成内容并通过隐藏信息检测其真实性，我们通过定义目标函数并将自适应攻击作为优化问题来解决水印算法的鲁棒性评估问题，研究发现可在图像质量几乎不降低的情况下破解所有五种受测水印方法，强调了对适应性、可学习的攻击者进行更严格的鲁棒性测试的必要性。

    Sep, 2023

  • AI图像检测器的稳健性: 基本限制与实际攻击

    通过分析AI图像检测方法，研究了水印技术以及基于分类器的深度伪造检测器的强大性，发现在扰动预算较低的情况下，扩散纯化攻击能够有效地去除水印，而对于图像有明显更改的高扰动水印方法，我们开发了一种模型替换对抗攻击来成功去除水印。同时发现水印技术容易受到欺骗攻击，对开发者的声誉造成损害，并通过实验表明分类器的鲁棒性和可靠性之间存在基本的权衡关系。

    Sep, 2023

  • 一种相对强健的基于扩散编辑模型的图像水印

    最近，扩散模型（DMs）已成为图像合成的最先进方法，而基于DMs的编辑模型，以其高保真度和精度而闻名，无意中引入了与图像版权侵权和恶意编辑相关的新挑战。我们的工作是首次对这个问题进行规范化和解决。经过评估和试图增强传统图像水印技术后，我们意识到它们在这个新兴环境中的局限性。为此，我们开发了一种新颖的技术，RIW（稳健隐形水印），利用对抗示例技术嵌入隐形水印。与传统方法提供的0%相比，我们的技术确保了在编辑后的隐形水印的96%的高提取准确性。我们提供了我们的代码访问链接。

    Nov, 2023

  • 潜水印：在潜在扩散空间中注入和检测水印

    本文提出了一种在潜在空间中注入和检测水印的解决方案——潜在水印（LW），并采用渐进训练策略。通过实验证明，在注入64位消息时，LW在9个单次攻击场景和一个全攻击场景下，可以实现接近100%的识别性能和97%以上的归属性能。

    Mar, 2024

  • WateRF: 辐射场的鲁棒水印用于版权保护

    我们提出了一种创新的、适用于NeRF表示的数字水印方法，通过在渲染过程中使用离散小波变换，结合延迟反向传播技术和区块损失，实现了嵌入二进制信息的高质量渲染。通过在2D渲染图像中评估嵌入水印的容量、隐形性和鲁棒性等方面，我们的方法在训练速度上比与现有的最先进方法更快，并获得了最先进的性能。

    May, 2024

  • UnMarker：一种针对防护水印的通用攻击

    通过对水印范式进行深入分析，我们提出了第一个实际的对抗语义性水印的攻击UnMarker，该攻击不仅可以击败传统方案并且保持更高的质量，还可以破坏修改图像结构的语义性水印，将最佳检测率降低到43％并使其无用。

    May, 2024

  • 评估耐久性：多模式数字水印的基准洞察

    水印技术的鲁棒性在实际应用中的重要性和可靠性，并通过评估图片和文本生成模型生成的带水印内容在常见的实际场景下的鲁棒性验证了这一点。

    Jun, 2024

  • 脆弱模型水印：进化、特征和分类的全面调查

    这篇论文综述了研究领域中脆弱数字水印技术（灵感来源于对神经网络的对抗攻击和传统多媒体脆弱数字水印技术），其作为一种检测篡改的强有力工具，在最近几年中得到了迅速发展。与用于识别模型版权的鲁棒数字水印不同，模型脆弱数字水印旨在识别模型是否受到意外改变（例如后门、毒化、压缩等）。这些改变可能对模型用户带来未知的风险，比如在经典的自动驾驶场景中，将停车标志错误地识别为限速标志。本文提供了自模型脆弱数字水印技术问世以来该领域的相关工作概述，对它们进行分类并揭示了领域的发展轨迹，为未来在模型脆弱数字水印技术的研究提供了综合性调查。

    Jun, 2024

  • 可证明鲁棒性图像水印

    通过结合随机平滑和图像水印技术，本研究提出了一种具有认证鲁棒性保证的图像水印方法来抵御移除和伪造攻击，并通过算法评估了其认证和经验鲁棒性。

    Jul, 2024