关注神经网络抄袭：扩散模型会抄袭您的受版权保护图像！
计算机视觉与模式识别
2026-03-03 v1 计算机与社会
摘要
本文揭示了新兴神经模型带来的关键威胁：数据抄袭。我们展示了现代神经模型（如扩散模型）如何复制受版权保护的图像，即使这些图像已受到先进水印技术的保护。为暴露版权保护的漏洞并促进未来研究，我们提出了一种通用的神经抄袭方法，可用于仿造受版权保护的数据或引入版权模糊化。我们的方法基于“锚点与垫子”，使用逆潜在编码作为锚点，寻找使锚点潜在编码逐渐偏离的垫子扰动，从而规避水印或版权检测。通过对跨注意力机制在不同时间步应用扰动，我们的方法在受版权保护的图像中引发不同程度的语义修改，使其能够规避从可见商标和签名到不可见水印的各种保护。值得注意的是，我们的方法是纯粹基于梯度的搜索，无需额外的训练或微调。在MS-COCO和真实世界受版权保护的图像上的实验表明，扩散模型能够复制受版权保护的图像，凸显了针对神经抄袭需要对策的紧迫性。
引用
@article{arxiv.2603.00150,
title = {Attention to Neural Plagiarism: Diffusion Models Can Plagiarize Your Copyrighted Images!},
author = {Zihang Zou and Boqing Gong and Liqiang Wang},
journal= {arXiv preprint arXiv:2603.00150},
year = {2026}
}
备注
Accepted to ICCV 2025. Code available at: https://github.com/zzzucf/Neural-Plagiarism