面向无条件图像生成模型的高绑定统一水印
计算机视觉与模式识别
2023-10-17 v1 人工智能
摘要
深度学习技术已经实现了许多无条件图像生成（UIG）模型，如 GAN、Diffusion 模型等。这些模型生成的极其逼真的图像（也称为 AI 生成内容，简称 AIGC）带来了数据溯源和版权认证等知识产权保护的迫切需求。攻击者可以窃取目标模型的输出图像，并将其作为训练数据的一部分来训练私有的替代 UIG 模型。UIG 模型的实现机制多样且复杂，目前尚无统一有效的保护与验证方法。针对这些问题，我们提出了一种针对此类模型具有高通联效应的两阶段统一水印验证机制。在第一阶段，我们使用编码器将水印图像不可见地写入原始 AIGC 工具的输出图像中，并通过相应解码器反向提取水印图像。在第二阶段，我们设计了解码器微调过程，微调后的解码器能够对可疑模型是否窃取了原始 AIGC 工具数据做出正确判断。实验表明，我们的方法在仅使用模型输出图像的条件下，能够以近乎零误报率完成验证工作。此外，所提方法能够实现跨不同类型 UIG 模型的数据窃取验证，进一步提升了方法的实用性。
引用
@article{arxiv.2310.09479,
title = {Unified High-binding Watermark for Unconditional Image Generation Models},
author = {Ruinan Ma and Yu-an Tan and Shangbo Wu and Tian Chen and Yajie Wang and Yuanzhang Li},
journal= {arXiv preprint arXiv:2310.09479},
year = {2023}
}