CLUE-MARK：利用CLWE为扩散模型添加水印
密码学与安全
2025-09-01 v4
摘要
随着AI生成图像的普及，可靠的水印技术对于内容验证、版权保护和打击虚假信息至关重要。现有技术依赖于启发式方法，缺乏不可检测性的形式化保证，使其容易受到可能暴露或擦除水印的隐写攻击。此外，这些技术通常通过引入可察觉的变化来降低输出质量，这不仅是不受欢迎的，也是实际应用中的重要障碍。在这项工作中，我们提出了CLUE-Mark，这是第一个针对扩散模型的可证明不可检测的水印方案。CLUE-Mark无需对被水印的模型做任何更改，计算效率高，并且由于其可证明的不可检测性，保证了对模型输出质量没有影响。我们的方法利用连续带错误学习（CLWE）问题——一个密码学上的困难格问题——将水印嵌入到扩散模型使用的潜在噪声向量中。通过从密码学困难问题进行归约来证明不可检测性，我们不仅确保了水印对人类观察者或临时启发式方法不可察觉，而且对任何没有密钥的高效检测器也是如此。CLUE-Mark允许嵌入多个密钥，从而能够在不改变模型参数的情况下将图像追溯到特定用户。对最先进扩散模型的实证评估证实，CLUE-Mark实现了高恢复率，保持了图像质量，并且对诸如JPEG压缩和亮度调整等轻微扰动具有鲁棒性。独特的是，CLUE-Mark无法被最近的隐写攻击检测或移除。
引用
@article{arxiv.2411.11434,
title = {CLUE-MARK: Watermarking Diffusion Models using CLWE},
author = {Kareem Shehata and Aashish Kolluri and Prateek Saxena},
journal= {arXiv preprint arXiv:2411.11434},
year = {2025}
}