高效、鲁棒且抗合谋的图像扩散模型指纹技术
Efficient, Robust, and Anti-Collusion Fingerprinting of Image Diffusion Models
AI 导读
研究者提出一种具备抗合谋能力的文生图（T2I）扩散模型指纹方法，用于保护模型知识产权、防止未授权转发。论文指出现有生成模型指纹方法存在此前未被探索的系统性弱点，即无法抵御多个攻击者合并模型以移除或混淆指纹的合谋攻击。该方法将比特串指纹编码进嵌入模型的个性化归一化模块（PNM）系数，可从任意生成图像中可靠恢复指纹，并支持通过重参数化 PNM 在无需重训练的情况下创建多个带指纹副本；抗合谋机制基于无损函数不变参数变换，会大幅降低合谋模型的图像生成质量、使其基本不可用，另引入最坏情况优化策略提升对模型级攻击的鲁棒性。实验显示该方法在多个 T2I 生成与编辑任务上指纹提取准确率超过 99.5%，作者称其首次实现对合谋攻击的显著主动鲁棒性，大幅提高了合谋模型的 FID。