基于机器学习的水印安全性评估：复制与移除攻击
计算机视觉与模式识别
2024-10-08 v2
摘要
从现实世界捕获或由AI生成的海量数字内容需要版权保护、可追溯性或数据来源验证等方法。数字水印是应对这些挑战的关键方法。其发展经历了三代：手工设计、基于自编码器和基于基础模型的方法。虽然这些系统的鲁棒性已有充分记录，但其对抗攻击的安全性仍未得到充分探索。本文评估了利用对抗嵌入技术的基础模型潜空间数字水印系统的安全性。一系列实验研究了在复制和移除攻击下的安全性维度，为这些系统的脆弱性提供了经验性见解。所有实验代码和结果可在 https://github.com/vkinakh/ssl-watermarking-attacks 获取。
引用
@article{arxiv.2409.18211,
title = {Evaluation of Security of ML-based Watermarking: Copy and Removal Attacks},
author = {Vitaliy Kinakh and Brian Pulfer and Yury Belousov and Pierre Fernandez and Teddy Furon and Slava Voloshynovskiy},
journal= {arXiv preprint arXiv:2409.18211},
year = {2024}
}