水印伪造者：面向数字图像水印的伪造

数字水印已被广泛用于保护多媒体数据的版权与完整性。以往研究主要关注设计对破坏嵌入水印的攻击具有鲁棒性的水印技术。然而，新兴的基于深度学习的图像生成技术提出了新的开放问题：是否可能为规避目的生成伪造的水印图像。本文中，我们首次尝试利用生成对抗学习来开发数字图像水印伪造者。假设可获得由目标水印器生成的原始图像与水印图像配对集合，我们用其训练以 U-Net 为骨干的水印伪造者，其输入为原始图像，经特定域预处理后输出伪造水印图像。我们的实验表明，所提水印伪造者能有效破解空间域与频域中的数字图像水印器，揭示了此类伪造攻击的风险。