Robust Image Watermarking using Stable Diffusion

图像水印对于追踪图像来源和声明所有权至关重要。随着稳定扩散等生成模型的出现，能够创建虚假但逼真的图像，水印变得尤为重要，例如，使生成的图像可靠地识别。不幸的是，使用现有方法注入的水印可能会被同样使用稳定扩散技术的攻击者移除。为了解决这个问题，我们提出了 ZoDiac，它使用预训练的稳定扩散模型将水印注入可训练的潜在空间，从而产生可以在潜在向量中可靠检测到的水印，即使受到攻击。我们在三个基准测试中评估了 ZoDiac，即 MS-COCO、DiffusionDB 和 WikiArt，并发现 ZoDiac 对最先进的水印攻击具有鲁棒性，水印检测率超过 98%，误报率低于 6.4%，优于最先进的水印方法。我们的研究表明，稳定扩散是一种有前途的鲁棒水印方法，能够抵御甚至是基于稳定扩散的攻击。

如何在生成模型中注入可靠的水印，以便跟踪图像来源和声明所有权？如何使这些水印能够抵御当前主流的水印攻击方法？

使用预训练的稳定扩散模型将水印注入可训练的潜空间，从而生成可靠的水印。这种方法能够抵御当前主流的水印攻击方法，表现出色。

该论文提出的方法名为ZoDiac，能够在生成模型中注入可靠的水印，并且能够抵御当前主流的水印攻击方法。实验使用了三个数据集，分别是MS-COCO、DiffusionDB和WikiArt。ZoDiac的水印检测率超过98%，误检率低于6.4%，表现优异。论文提供了开源代码。

最近在这个领域中，还有一些相关的研究，如：《Towards Robust Watermarking of Deep Neural Networks: A Frequency Domain Approach》、《A Watermarking Method for Deep Neural Networks Based on Adversarial Training》等。