SAiW：用于主动深度伪造防御的源可追溯不可见水印
人工智能
2026-03-25 v1
摘要
现代生成模型生成的深度伪造对信息完整性、数字身份和公众信任构成严重威胁。现有检测方法大多是被动的，试图在操纵发生后识别伪造，且往往无法泛化到不断演进的生成技术。这促使需要主动机制，在创作时即保护媒体真实性。在本工作中，我们引入 SAiW——一个用于主动深度伪造防御和媒体溯源验证的源可追溯不可见水印框架。与将水印载荷视为通用信号的传统水印方法不同，SAiW 将水印嵌入公式化为一个源条件表示学习问题，其中水印身份编码来源并调节嵌入过程以产生可区分和可追溯的签名。该框架集成了特征线性调制，将来源身份注入嵌入网络，实现可扩展的多源水印生成。来自人类视觉系统先验的感知引导模块确保水印扰动在视觉上不可感知，同时保持鲁棒性。此外，双用途取证解码器同时重建嵌入的水印并执行来源归属，提供自动验证和可解释的取证证据。在多个深度伪造数据集上的广泛实验表明，SAiW 在保持高感知质量的同时，对压缩、滤波、噪声、几何变换和对抗扰动保持了强鲁棒性。通过不可见但可验证的标记将数字媒体绑定到其来源，SAiW 实现了可靠的认证和来源归属，为主动深度伪造防御和可信媒体溯源提供了可扩展的基础。
引用
@article{arxiv.2603.23178,
title = {SAiW: Source-Attributable Invisible Watermarking for Proactive Deepfake Defense},
author = {Bibek Das and Chandranath Adak and Soumi Chattopadhyay and Zahid Akhtar and Soumya Dutta},
journal= {arXiv preprint arXiv:2603.23178},
year = {2026}
}