Watermark-based Detection and Attribution of AI-Generated Content

一些公司，例如谷歌、微软和OpenAI，已经采用了技术来为AI生成的内容加上水印，以便进行主动检测。然而，现有的文献主要集中在用户不可知的检测上。归因旨在进一步追溯生成AI服务的用户，该用户生成的给定内容被检测为AI生成。尽管归因越来越重要，但它仍然是未被充分探索的领域。在这项工作中，我们旨在通过提供第一篇系统研究水印技术的、用户感知的AI生成内容检测和归因来弥补这一空白。具体而言，我们通过严格的概率分析理论研究了检测和归因的性能。此外，我们开发了一种高效的算法来选择水印以增强归因性能。我们的理论和实证结果都表明，基于水印的检测和归因继承了水印方法的准确性和（非）鲁棒性特性。

水印技术在人工智能生成内容中的用户感知检测和追溯问题

论文提出了一种基于水印的检测和追溯方法，通过理论分析和实验验证，证明了该方法的准确性和可靠性，并提出了一种有效的算法来选择水印以提高追溯性能。

论文是第一篇系统研究基于水印的用户感知检测和追溯人工智能生成内容的论文，提出了一种新的解决方案。实验使用了多个数据集，并且提供了开源代码。

最近的相关研究主要集中在基于水印的用户不可知检测，如Google、Microsoft和OpenAI等公司的技术。