“训练鲁棒水印模型可能损害认证！”：探索并缓解鲁棒水印中的身份泄露
密码学与安全
2026-05-12 v1
摘要
生成式 AI 的快速发展凸显了识别图像所有权和保护版权的关键需求。这使得后处理图像水印成为一项必不可少的工具——它涉及将特定水印信息嵌入图像中，如果能从水印图像中解码出相似信息则验证成功。然而，该方法既容易受到对抗攻击（即操纵水印图像使其在解码时产生未验证信息），也容易受到所提出的与身份泄露相关的攻击（例如伪造水印图像）。在经验鲁棒和认证鲁棒的水印方法中，身份泄露的威胁尤为严重。为了抵御上述攻击，我们提出了 W-IR，这是首个同时包含身份保护和鲁棒性的图像水印框架。为了增强模型鲁棒性，我们引入了一种新颖的随机平滑技术作为鲁棒水印的一部分，在两个不同的变换空间（像素级和坐标级）中提供针对扰动的认证鲁棒性。此外，为了进一步缓解身份泄露，我们提出了一种基于残差信息损失的新策略，旨在最小化残差图像与水印图像之间的互信息。我们的工作在鲁棒性和身份泄露缓解之间取得了更优的平衡。大量实验表明，我们的 W-IR 框架在真实性方面实现了高认证准确率，同时有效减少了身份泄露。\footnote{代码可在 https://github.com/holdrain/W-I-R 获取。}
引用
@article{arxiv.2605.09646,
title = {"Training robust watermarking model may hurt authentication!'' Exploring and Mitigating the Identity Leakage in Robust Watermarking},
author = {Xinyu Zhang and Ziping Dong and Qingyu Liu and Yuan Hong and Zhongjie Ba and Kui Ren},
journal= {arXiv preprint arXiv:2605.09646},
year = {2026}
}