IRAW:一种新型的隐形且抗攻击的水印扰动技术,用于数字图像保护

《Neural Networks》:IRAW: Novel invisible and robust adversarial watermark perturbations for digital image protection

【字体: 大 中 小 】 时间:2026年04月20日 来源:Neural Networks 6.3

编辑推荐:

  基于离散余弦变换(DCT)域的隐式水印与对抗扰动协同优化机制,提出主动防御的图像保护框架IRAW。该方法通过进化优化算法整合基态跳跃(BH)与自适应突变算子,实现水印嵌入与对抗扰动生成的统一优化。实验表明IRAW在JPEG压缩和噪声干扰下仍保持高鲁棒性,水印恢复准确率达99.2%,且有效阻止非法AI驱动的图像分类和索引行为。

  
梁金超|陈阳城|陈书武|刘小龙
中国科学院航空航天信息研究所,北京,100094,中国

摘要

由于不可察觉性和法医可追溯性,隐形水印长期以来一直是版权保护的基石。然而,传统的水印技术仍然是一种被动防御措施,无法阻止未经授权的AI驱动分析,例如非法抓取工具对私人媒体的自动分类和索引。为了解决这个问题,我们提出了隐形且强大的对抗性水印(IRAW)技术,这是一个将图像保护从被动可追溯性转变为主动防御的统一框架。通过利用离散余弦变换(DCT)域,IRAW确保了与主流社交媒体平台上普遍使用的JPEG压缩协议的兼容性。该框架将水印嵌入和对抗性扰动生成视为一个协同优化任务。具体来说,采用了一种基于盆地跳跃(BH)与交叉和自适应变异算子结合的进化优化机制来导航搜索空间并识别最优扰动模式。为了进一步提高安全性,我们实现了一种跨域防御架构,对宿主图像和水印进行双重空间域加密,并结合了频域坐标混淆。这种机制不仅增强了加密强度,还增加了扰动的结构复杂性,帮助BH算法避开局部最优解,从而提高扰动成功率。实验结果表明,IRAW生成的对抗性示例具有极高的鲁棒性,能够抵抗常见的图像操作,如JPEG压缩和噪声,同时实现了可靠的水印恢复,用于法医溯源。这些发现确立了IRAW作为现代数字图像保护的有效且具有工业兼容性的机制。

引言

随着微博、Instagram和Pinterest等社交媒体平台的迅速普及,每天全球都有大量的用户生成内容(UGC)被分享。这些数字图像代表了创作者的知识产权和私有财产,因此需要强大的保护机制来防止未经授权的利用(Khan, Tariq, Khalid, Mumtaz & Abdullah, 2023; Shaliyar & Mustafa, 2024; Nawaz, Li, Zhu, Khan, 2024)。历史上,隐形水印一直是数字图像保护的基石。值得注意的是,离散余弦变换(DCT)域被广泛认为是多媒体安全的工业标准(Ahmed, 1991),因为它作为JPEG压缩协议的基础变换。由于几乎所有主流UGC平台都使用JPEG作为主要的图像存储和传输格式,基于DCT的技术在这些生态系统中具有不可察觉性和法医能力的固有优势。然而,传统的水印技术仍然是一种被动防御措施;虽然它可以识别所有权,但无法防止未经授权的AI驱动分析。在现代数字平台上,非法抓取工具可以利用标准的深度神经网络(DNN)架构自动对私人媒体内容进行分类、标记和索引,导致大规模的未经授权的数据利用和隐私泄露。
最近的文献(Goodfellow, Shlens & Szegedy, 2014; Moosavidezfooli, Fawzi & Frossard, 2016; Papernot, McDaniel, Wu, Jha & Swami, 2016; Moosavi-Dezfooli et al. 2017; Carlini & Wagner, 2017; Kurakin, Goodfellow & Bengio, 2018; Su, Vargas & Sakurai, 2019)表明,DNN对对抗性扰动非常脆弱。通过引入几乎肉眼无法察觉的精心设计的扰动,这些模型可能会被误导做出错误的预测。这种脆弱性为积极的隐私保护提供了独特的机会。具体来说,对抗性扰动可以用来中和未经授权的AI分析,阻止非法抓取工具准确地对私人图像进行分类或索引。因此,将对抗性功能与水印嵌入结合到一个统一框架中具有巨大潜力。这种方法有助于从被动保护过渡到一种综合防御策略,将主动分析禁用与反应性可追溯性相结合。
Jia等人(Jia, Wei, Cao, & Han, 2020)早期的尝试使用了可见水印来生成对抗性扰动;然而,这种方法不可避免地会引入显著的视觉伪影(见图1(a))。为了提高不可察觉性,后续研究转向了隐形对抗性信号。例如,BHI(Liang, Feng, Chen, & Liu, 2023)和ISWP(Liang, Liu, Gao, Zhang, & Liu, 2025)等方案分别利用了最低有效位(LSB)嵌入和离散小波变换(DWT)域。然而,像BHI这样的空间域方法在面对常见的图像处理攻击时通常表现出较低的抵抗力。此外,虽然基于DWT的方案如ISWP提供了更好的稳定性,但它们在与主流社交媒体平台的兼容性方面存在实际限制。由于微博和Instagram等平台主要使用JPEG——这种格式基于DCT域——媒体内容经常需要强制重新编码和有损压缩。因此,选择一个与这些普遍存在的工业协议相匹配的嵌入域对于确保扰动信号在现实世界网络环境中的鲁棒性和有效性至关重要。
为了解决这些挑战,我们提出了一种新颖的隐形且强大的对抗性水印(IRAW)方法,它在统一的优化框架内实现了双重功能机制。与之前的工作不同,IRAW从一开始就选择了DCT域,以确保与主流社交媒体的标准压缩协议无缝兼容。在我们的方案中,隐形水印被设计为对抗性扰动,实现了一个同步过程,主动禁用未经授权的AI索引,同时保持永久的版权证据用于法医溯源。与仅仅叠加信号的线性框架不同,IRAW将水印嵌入和对抗性扰动生成视为一个统一的全局优化任务。IRAW框架将盆地跳跃(BH)算法(Wales, & Doye, 1997)集成到一个包含交叉、自适应变异和选择的进化优化循环中(Goldberg, 1989; Storn, & Price, 1997)。通过这些组合机制迭代改进对抗性水印,IRAW实现了良好的鲁棒性和视觉保真度。这确保了对抗性扰动符合社交媒体场景的实际要求,并在各种模拟的失真下仍然有效,例如JPEG压缩和噪声,这些失真是数字平台典型重新编码和传输过程的特征。
本研究的主要贡献总结如下:
  • (1)
    主动图像保护框架:我们提出了IRAW,一种将数字图像安全从被动可追溯性扩展到主动防御的保护策略。该框架旨在阻止未经授权的基于DNN的图像索引,同时通过集成的隐形水印信号保持反应性法医能力。
  • (2)
    通过集成机制的协同优化:IRAW流程将盆地跳跃(BH)与进化算法(EA)组件和跨域加密结合在一个统一的优化任务中。BH的随机位移机制与全局进化探索相结合,帮助算法在复杂的非凸搜索空间中导航。此外,跨域加密引入了非线性映射,增加了生成模式的复杂性,从而提高了对抗性扰动的欺骗性。
  • (3)
    鲁棒性和双重保护:定量评估验证了这种统一方法的有效性。实验结果表明,IRAW实现了高扰动成功率,同时实现了可靠的水印恢复。值得注意的是,扰动信号在抵抗各种模拟失真(如JPEG压缩和噪声特征)方面表现出持续的鲁棒性。
  • 本文的其余部分结构如下。第2节简要介绍了关于对抗性攻击和隐形水印的相关工作。第3节介绍了提出的IRAW方法。第4节展示了实验结果和分析。第5节总结了本文并讨论了未来方向。

    章节片段

    多媒体安全的版权水印

    用户生成内容(UGC)在社交媒体生态系统中的持续扩展(Nawaz, Li, & Bhatti, et al., 2023; Kumar, Rahman, Namasudra, & Moparthi, 2024)使得水印技术对于版权保护和所有权验证变得不可或缺(Dzhanashia & Evsutin, 2024; Yuan, Zhang, Wang, & Yin, 2024)。这些技术以可见或不可见的形式将秘密信息嵌入到宿主图像中(Melman & Evsutin, 2024)。隐形水印特别受到青睐

    提出的方法

    出于对积极隐私保护和工业兼容性的需求,本研究提出了隐形且强大的对抗性水印(IRAW)方法。通过在离散余弦变换(DCT)域中实施防御,IRAW确保了与JPEG标准的基础变换的兼容性,为主流用户生成内容(UGC)平台上的图像保护提供了一个兼容的框架。IRAW方法整合了盆地跳跃(BH)(Wales & Doye, 1997

    实验实施细节

    本研究的实验评估是在ImageNet数据集(Russakovsky et al., 2015)和CIFAR-10数据集(Krizhevsky & Hinton, 2009)上进行的,使用PyTorch框架并在NVIDIA GeForce RTX 3090 GPU上进行了CUDA加速。测试中,从每个数据集中随机选择了1,000张图像。这些图像在七个深度学习模型上进行了评估:VGG19(Simonyan & Zisserman, 2014)、Inception V3(Szegedy et al., 2016)、ShuffleNet(Zhang, Zhou, Lin, & Sun, 2018)、VGG16(

    结论

    在本文中,我们提出了IRAW,这是一种创新的主动图像保护机制,旨在将数字资产安全从被动可追溯性转变为主动防御。通过将隐形水印与对抗性扰动结合在离散余弦变换(DCT)域中,IRAW确保了与JPEG压缩协议的兼容性,这对于主流社交媒体和用户生成内容(UGC)平台至关重要。所提出的方法有效地中和了

    未引用的参考文献

    Kurakin, Goodfellow和Bengio, 2017, Xiang等人,2020

    CRediT作者贡献声明

    梁金超:撰写——原始草稿、方法论、形式分析、数据管理、概念化。陈阳城:撰写——原始草稿、软件、形式分析、数据管理。陈书武:撰写——审阅与编辑、验证、项目管理、形式分析。刘小龙:撰写——审阅与编辑、监督、项目管理、方法论、概念化。

    利益冲突声明

    作者声明他们没有已知的竞争财务利益或个人关系可能会影响本文报告的工作。

    致谢

    本工作部分得到了教育部(中国)人文与社会科学项目(授权号:25YJA880044)、福建省高校产学研合作项目(授权号:2024h6007、2024h6030)以及福建省软件技术创新研究与产业化项目(授权号:2024.488)的资助。
    相关新闻
    生物通微信公众号
    微信
    新浪微博

    热点排行

      今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

      版权所有 生物通

      Copyright© eBiotrade.com, All Rights Reserved

      联系信箱:

      粤ICP备09063491号