「训练鲁棒水印模型可能损害认证！」探索并缓解鲁棒水印中的身份信息泄露
"Training robust watermarking model may hurt authentication!'' Exploring and Mitigating the Identity Leakage in Robust Watermarking
AI 导读
研究者提出兼顾身份保护与鲁棒性的图像水印框架 W-IR，作者称大量实验显示其在保持高认证精度的同时能有效减少身份信息泄露。后处理图像水印通过在图像中嵌入水印消息、并从水印图像解码出相似消息来完成验证，但既面临操纵水印图像使其解码出未验证消息的对抗攻击，也面临伪造水印图像等身份泄露攻击；论文指出身份泄露威胁在经验鲁棒与认证鲁棒水印方法中都尤为严重。为此，W-IR 引入新的随机平滑技术，在像素级和坐标级两个变换空间提供针对扰动的认证鲁棒性，并提出基于残差信息损失的策略，最小化残差图像与水印图像之间的互信息。代码开源于 https://github.com/holdrain/W-I-R。