AuthenLoRA：面向版权安全 LoRA 适配器的不可感知水印与风格化 entanglement
密码学与安全
2025-11-27 v1
摘要
低秩适配 (Low-Rank Adaptation, LoRA) 为定制化扩散模型提供了高效范式，但其易于重新分发的特性引发了未经授权使用的担忧，以及难以追踪生成内容的问题。现有水印技术要么针对基础模型，要么验证 LoRA 模块本身，却未能将水印传递到生成的图像中，留下了可追溯性的关键空白。此外，针对基础模型设计的可追溯水印与风格化松耦合，常常引入视觉降级或高假阳性检测率。为解决这些限制，我们提出了AuthenLoRA，一个将不可感知、可追溯水印直接嵌入 LoRA 训练过程的统一水印框架，同时保持风格化质量。AuthenLoRA采用双目标优化策略，联合学习目标风格分布和水印引起的分布偏移，确保使用水印 LoRA 生成的任何图像都可靠地携带水印。我们进一步设计了扩展 LoRA 架构以实现多尺度适应，并引入零消息正则化机制显著减少水印验证中的假阳性率。大量实验表明，AuthenLoRA在高保真风格化、鲁棒水印传递和显著降低假阳性率方面均优于现有方法。开源实现已公开：https://github.com/ShiFangming0823/AuthenLoRA
引用
@article{arxiv.2511.21216,
title = {AuthenLoRA: Entangling Stylization with Imperceptible Watermarks for Copyright-Secure LoRA Adapters},
author = {Fangming Shi and Li Li and Kejiang Chen and Guorui Feng and Xinpeng Zhang},
journal= {arXiv preprint arXiv:2511.21216},
year = {2025}
}
备注
16 pages, 7 figures, 12 tables