基于扩散语义偏斜的 AIGC 图像防篡改水印
密码学与安全
2026-01-13 v1 人工智能
摘要
随着 AIGC 在创意工作流程中的普及，保护用户生成 AI 图像的版权正成为一项新挑战。现有水印方法(1)对抗性威胁仍然脆弱，常常在防御欺骗攻击和删除攻击之间进行权衡;且(2)无法支持语义级别的篡改定位。我们引入 PAI，一个面向 AIGC 版权保护的训练免费内置水印框架，可无缝集成到基于扩散的 AIGC 服务中。PAI 同时提供三项关键功能：强健的所有权验证、攻击检测和语义级别篡改定位。不同于现有内置水印方法仅在扩散模型噪声初始化处嵌入水印， 我们设计了新的键控偏斜机制，通过用户密钥 subtly 引导去噪轨迹，从而增强了身份与内容之间的语义耦合，进一步提升了对抗性威胁的鲁棒性。此外，我们还提供理论分析，证明只有有效密钥才能通过验证。实验覆盖 12 种攻击方法，显示 PAI 在所有权验证准确率达 98.43%，平均提升 SOTA 方法 37.25%，即使面对先进的 AIGC 编辑操作，仍能保持强大的篡改定位性能。我们的代码已公开于 https://github.com/QingyuLiu/PAI。
引用
@article{arxiv.2601.06639,
title = {Attack-Resistant Watermarking for AIGC Image Forensics via Diffusion-based Semantic Deflection},
author = {Qingyu Liu and Yitao Zhang and Zhongjie Ba and Chao Shuai and Peng Cheng and Tianhang Zheng and Zhibo Wang},
journal= {arXiv preprint arXiv:2601.06639},
year = {2026}
}