잡음 속에 숨겨진 것: 이미지를 위한 이중 단계 강인한 워터마킹

Hidden in the Noise: Two-Stage Robust Watermarking for Images

December 5, 2024

저자: Kasra Arabi, Benjamin Feuer, R. Teal Witter, Chinmay Hegde, Niv Cohen

cs.AI

초록

이미지 생성기의 품질이 계속해서 향상되면서 딥페이크는 상당한 사회적 논쟁의 주제가 되었습니다. 이미지 워터마킹은 책임 있는 모델 소유자가 자신의 AI 생성 콘텐츠를 감지하고 레이블을 지정할 수 있도록 하여 피해를 완화할 수 있습니다. 그러나 현재 이미지 워터마킹의 최첨단 방법은 위조 및 제거 공격에 취약한 상태입니다. 이 취약성은 생성된 이미지의 분포를 왜곡시키는 워터마크로 인해 발생하며, 워터마킹 기술에 대한 정보를 무의도하게 노출시킵니다. 본 연구에서는 먼저 확산 모델의 초기 노이즈를 기반으로 한 이미지에 대한 왜곡이 없는 워터마킹 방법을 시연합니다. 그러나 워터마크를 감지하려면 이미지에 대해 재구성된 초기 노이즈를 모든 이전에 사용된 초기 노이즈와 비교해야 합니다. 이러한 문제를 완화하기 위해 효율적인 감지를 위한 두 단계 워터마킹 프레임워크를 제안합니다. 생성 중에 우리는 초기 노이즈를 생성된 푸리에 패턴과 함께 증강하여 사용한 초기 노이즈 그룹에 대한 정보를 삽입합니다. 감지 시, 우리는 (i) 관련 있는 노이즈 그룹을 검색하고, (ii) 주어진 그룹 내에서 이미지와 일치할 수 있는 초기 노이즈를 찾습니다. 이 워터마킹 접근 방식은 다양한 공격에 대해 대규모로 위조 및 제거에 대한 최첨단 견고성을 달성합니다.

English

As the quality of image generators continues to improve, deepfakes become a topic of considerable societal debate. Image watermarking allows responsible model owners to detect and label their AI-generated content, which can mitigate the harm. Yet, current state-of-the-art methods in image watermarking remain vulnerable to forgery and removal attacks. This vulnerability occurs in part because watermarks distort the distribution of generated images, unintentionally revealing information about the watermarking techniques. In this work, we first demonstrate a distortion-free watermarking method for images, based on a diffusion model's initial noise. However, detecting the watermark requires comparing the initial noise reconstructed for an image to all previously used initial noises. To mitigate these issues, we propose a two-stage watermarking framework for efficient detection. During generation, we augment the initial noise with generated Fourier patterns to embed information about the group of initial noises we used. For detection, we (i) retrieve the relevant group of noises, and (ii) search within the given group for an initial noise that might match our image. This watermarking approach achieves state-of-the-art robustness to forgery and removal against a large battery of attacks.