Peccavi：针对AI生成图像的视觉复述攻击安全且无失真的图像水印技术
计算机视觉与模式识别
2025-07-01 v1
摘要
欧盟执法机构的一份报告预测，到2026年，高达90%的在线内容可能由合成方式生成，这引起了政策制定者的担忧，他们警告说“生成式AI可能成为政治虚假信息的力量倍增器。生成式文本、图像、视频和音频的综合效应可能超越任何单一模态的影响。”为此，加利福尼亚州的AB 3211法案要求对AI生成的图像、视频和音频添加水印。然而，隐形水印技术对篡改的脆弱性以及恶意行为者完全绕过它们的潜在可能性，依然令人担忧。基于生成式AI的去水印攻击，尤其是新引入的视觉复述攻击，已展现出完全去除水印的能力，从而生成原始图像的复述版本。本文提出了PECCAVI，首个视觉复述攻击安全且无失真的图像水印技术。在视觉复述攻击中，图像在被修改时会保留其核心语义区域，这些区域被称为非熔点（NMPs）。PECCAVI策略性地将水印嵌入这些NMPs中，并采用多通道频域水印技术。它还引入了噪声抛光，以对抗旨在定位NMPs从而破坏嵌入水印的逆向工程尝试，进而增强鲁棒性。PECCAVI与模型无关。所有相关资源和代码将开源。
引用
@article{arxiv.2506.22960,
title = {Peccavi: Visual Paraphrase Attack Safe and Distortion Free Image Watermarking Technique for AI-Generated Images},
author = {Shreyas Dixit and Ashhar Aziz and Shashwat Bajpai and Vasu Sharma and Aman Chadha and Vinija Jain and Amitava Das},
journal= {arXiv preprint arXiv:2506.22960},
year = {2025}
}