AI 生成图像的源头追溯：基于向量相似性与区块链的方法
计算机视觉与模式识别
2025-10-22 v1 密码学与安全
机器学习
摘要
生成式 AI 与大型语言模型（LLM）的快速发展，使能够生成高度逼真且语境相关的虚拟内容。如 ChatGPT 集成 DALL-E 及 Stable Diffusion 等技术，能够生成常常难以与人类创作的图像区分的图像，这给数字内容的身份认证带来挑战。验证数字数据的完整性与来源以确保其未被篡改且为真实内容，对于维护数字媒体的信任与合法性至关重要。本文提出一种基于图像嵌入的 AI 图像检测框架，利用图像嵌入与向量相似性技术来区分 AI 生成图像与真实（人类创作）图像。我们的 methodology 基于以下假设：AI 生成的图像在嵌入空间中彼此之间更接近，而人类创作的图像在其所属领域内也具有相似的聚类特性。为验证此假设，我们开发了系统，对包含 AI 生成与人类生成图像的多样化数据集通过五个主流嵌入模型进行处理。广泛的实验结果表明，我们方法的鲁棒性强，对抗扰动的图像仍能保持与原始版本的紧密相似性匹配。我们的解决方案为 AI 生成图像检测提供了一种通用框架，在准确率与计算效率之间取得平衡。
引用
@article{arxiv.2510.17854,
title = {Provenance of AI-Generated Images: A Vector Similarity and Blockchain-based Approach},
author = {Jitendra Sharma and Arthur Carvalho and Suman Bhunia},
journal= {arXiv preprint arXiv:2510.17854},
year = {2025}
}