用于抵御扩散模型版权侵权的嵌入水印对抗样本

扩散模型 (DMs) 在各种图像生成任务中展现出了卓越的能力。然而，日益增长的担忧是DMs可能被用于模仿未经授权的创作，从而引发版权问题。为解决此问题，我们提出了一个新颖的框架，在生成对抗样本时嵌入个人水印。此类样本可迫使DMs生成带有可见水印的图像，并阻止DMs模仿未经授权的图像。我们构建了一个基于条件对抗网络的生成器，并设计了三种损失（对抗损失、GAN损失和扰动损失）来生成对抗样本，这些样本具有微小的扰动但能有效攻击DMs以防止版权侵权。通过我们的方法为个人水印训练生成器仅需2-3分钟内的5-10个样本，且一旦生成器训练完成，它就能以极快的速度生成带有该水印的对抗样本（每张图像0.2秒）。我们在各种条件图像生成场景中进行了大量实验。与现有方法生成具有混乱纹理的图像相比，我们的方法在生成的图像上添加可见水印，这是指示版权侵权的一种更直接的方式。我们还观察到，我们的对抗样本在未知的生成模型之间表现出良好的可迁移性。因此，这项工作提供了一种简单而强大的方法，以保护版权免受基于DM的模仿。