Watermark-embedded Adversarial Examples for Copyright Protection against Diffusion Models

Diffusion Models（DMs）在各种图像生成任务中展现出了卓越的能力。然而，越来越多的人担心DMs可能被用来模仿未经授权的创作，从而引发版权问题。为了解决这个问题，我们提出了一个新的框架，将个人水印嵌入到对抗性样本的生成中。这种样本可以迫使DMs生成带有可见水印的图像，并防止DMs模仿未经授权的图像。我们基于条件对抗网络构建了一个生成器，并设计了三种损失（对抗损失、GAN损失和扰动损失）来生成具有微小扰动但能有效攻击DMs以防止版权侵犯的对抗性样本。通过我们的方法，仅需要在2-3分钟内使用5-10个样本训练个人水印的生成器，一旦生成器训练完成，它就可以显著快速地生成带有该水印的对抗性样本（每张图像仅需0.2秒）。我们在各种条件图像生成场景下进行了广泛的实验。与生成混乱纹理图像的现有方法相比，我们的方法在生成的图像上添加了可见的水印，这是一种更直观的指示版权侵犯的方式。我们还观察到，我们的对抗性样本在未知的生成模型之间具有良好的可转移性。因此，这项工作提供了一种简单而强大的方法，以保护版权免受基于DM的模仿。

如何防止使用Diffusion Models（DMs）生成的图像侵犯版权？

在生成对抗样本中嵌入个人水印，以防止DMs模仿未经授权的图像。使用条件对抗网络构建生成器，并设计三种损失函数来生成具有微小扰动但可以有效攻击DMs的对抗样本。通过训练生成器来实现个人水印，只需要2-3分钟内的5-10个样本，生成器训练完成后，可以显著快速地（每张图像0.2秒）生成带有该水印的对抗样本。

论文提供了一种简单而强大的方法来保护DMs模仿侵犯版权。实验展示了对抗样本的良好可转移性，可以在未知生成模型之间进行转移。相比于生成具有混乱纹理的图像，论文的方法在生成的图像上添加了可见的水印，这是一种更直接的方式来指示版权侵犯。

最近的相关研究包括使用对抗样本来攻击和保护图像生成模型，以及使用水印来保护版权。