MetaSeal：通过内容依赖性密码学水印抵御图像属性伪造
密码学与安全
2026-02-16 v2 人工智能
摘要
数字图像和人工智能生成图像的快速增长放大了图像属性安全可验证方法的需求。虽然数字水印比基于元数据的做法提供了更稳健的保护——后者容易被剥离——但当前的水印技术仍然容易受到伪造攻击，这会造成误属性归因的风险，损害人工智能模型开发者和数字艺术家的声誉。数字水印的漏洞源于两个关键问题：(1) 内容不敏感的水印，一旦被学习或泄露，就可被跨图像迁移以伪造属性归因；(2) 依赖检测器的验证方式不可靠，因为检测器可能被欺骗。我们提出 MetaSeal，一个基于内容依赖性水印且具密码学安全保证的新型框架，以保障图像属性归因。我们的设计提供：(1) 伪造抵抗性，防止未经授权的复制并强制进行密码学验证；(2) 稳健的自包含保护，使属性直接嵌入图像中且对良性变换保持稳健性；(3) 篡改证据，使恶意修改在视觉上可被检测。实验表明，MetaSeal 有效缓解了伪造尝试，可用于自然图像和人工智能生成图像，为安全图像属性归因树立了新标准。代码已公开：https://github.com/Tongzhou0101/MetaSeal。
引用
@article{arxiv.2509.10766,
title = {MetaSeal: Defending Against Image Attribution Forgery Through Content-Dependent Cryptographic Watermarks},
author = {Tong Zhou and Ruyi Ding and Gaowen Liu and Charles Fleming and Ramana Rao Kompella and Yunsi Fei and Xiaolin Xu and Shaolei Ren},
journal= {arXiv preprint arXiv:2509.10766},
year = {2026}
}
备注
To appear at TMLR 2026. 26 pages, 14 figures