GROOT：面向扩散模型生成音频的鲁棒水印生成

随着扩散模型等生成模型的蓬勃发展，区分合成音频与自然音频的任务日益困难。深度伪造检测提供了一种可行的解决方案，以应对这一挑战。然而，这种防御性措施不无会推动生成模型的持续完善。水印方法作为一种主动且可持续的策略，能预防合成内容的创建和传播。因此，本文作为首次提出生成式鲁棒音频水印方法（Groot），为主动监管合成音频及其源码扩散模型提供了范式。在该范式中，水印的生成与音频合成同步进行，借助具备专用编码器的固定参数扩散模型来实现。嵌入音频中的水印可通过轻量级解码器进行检索。实验结果表明，Groot 在鲁棒性方面表现卓越，尤其在优于领先的基于状态方法方面。除了在面对单一后处理攻击时表现出色之外，Groot 在应对复合攻击时也展现出非凡的鲁棒性，保持约 95% 的水印提取准确率。