ZK-WAGON：基于 ZK-SNARKs 的图像生成模型不可探测水印

随着图像生成模型日益强大且易于访问，关于合成媒体真实性、所有权以及滥用的担忧日益突出。能够生成与真实图像无异的图像的能力引入了误信息、深度伪造以及知识产权侵权等风险。传统的水印方法要么会降低图像质量，要么容易被移除，或需要访问保密模型内部信息——这使其不适用于安全且可扩展的部署。我们首次引入 ZK-WAGON，一种利用零知识succinct non-interactive argument of knowledge（ZK-SNARKs）对图像生成模型进行水印的新型系统。我们的做法使我们能够在不暴露模型权重、生成提示或任何敏感内部信息的前提下，对生成的 origin（来源）提供可验证证明。我们提出了选择性层 ZK-Circuit Creation（SL-ZKCC）方法，以选择性地将图像生成模型的关键层转换为电路，从而显著减少证明生成时间。生成的 ZK-SNARK 证明通过最低有效位（LSB）隐写术嵌入到生成的图像中。我们在 GAN 和扩散模型上演示了该系统，为可信赖的 AI 图像生成提供了一个安全、模型无关的管道。