字节跳动水印技术论文入选ACM MM 2023
近日,字节跳动产品安全多媒体与AI安全团队的数字水印研究论文入选ACM MM 2023,研究论文关注数字水印在现实应用中所面临的挑战,致力于解决高清原创图像经过多种复杂攻击后的侵权或溯源等问题。 ACM Multimedia(ACM MM)是国际计算机学会(ACM)的多媒体年会,由ACM的SIGMM多媒体特别兴趣小组主办。ACM MM是全球首屈一指的多媒体领域学术会议,也是中国计算机学会推荐的多媒体领域A类国际学术会议。 据了解,本次研究论文《Practical Deep Dispersed Watermarking with Synchronization and Fusion 》,提出了一种基于深度学习的图像离散水印方案(DWSF),该方案能够有效提高图像水印在实际应用中的鲁棒性和隐蔽性,可促进深度图像水印技术在数字版权、内容可信和数据安全等防护体系建设中的作用。
人工智能时代下的知识产权及版权保护 近年来随着多媒体技术和多媒体内容的爆发式增长,多媒体内容的数据安全和版权保护需求激增。尤其当前生成式人工智能技术快速发展和普及,人工智能生成内容呈现快速增长和广泛传播的趋势,而人工智能生成的内容存在易混淆、易误认和被滥用的风险,对人工智能生成内容的标记、识别和溯源的需求愈加迫切。 对这两方面的现实需求,多媒体数字水印均可提供有效的技术方案。另外,随着深度学习的发展,研究者发现在深度学习技术在数字水印领域有极大的应用潜力。但目前在实际应用场景中,深度学习水印技术仍存在一些挑战有待突破,以深度图像水印为例,当前大多数方案在鲁棒性和隐蔽性方面仍有明显短板。 针对深度图像水印在实际应用场景中面临的挑战,多媒体与AI安全团队研发了一套原创的深度图像水印技术框架(DWSF),不仅在图像视觉隐蔽性、文件体积增长率方面达到了极好的效果,而且提升了深度学习水印在几何变换攻击、混合攻击等众多攻击场景下的鲁棒性。在当前多种深度学习图像水印技术中,DWSF水印技术在多方面的测试中均达到最佳性能。 深度图像水印技术提升水印鲁棒性
据介绍,为了解决现有深度图像水印技术在实际应用场景中的诸多弊端,论文提出了一套原创的深度图像水印方案,由离散嵌入、水印同步、消息融合三个核心模块有机组合而成。方案框架图如上所示,给定一张载体图像,该框架在嵌入时随机选取多个图像块并利用编码器模型嵌入水印;在提取阶段,为应对水印图像可能经过多种攻击叠加的复杂情况,该框架引入了一个精细分割模型来定位水印图像块的位置,并矫正图像经过的几何变换,再用解码器从水印图像块中提取水印,最后综合所有提取结果确定最终水印信息。三个核心模块的详细介绍如下。 离散嵌入 在水印嵌入模块中,论文采用编码器-解码器的模型结构,如下图所示,先用编码器嵌入水印、再用解码器提取水印,同时为了提升水印的鲁棒性,在训练过程中对编码器编码后的图像进行数据增强处理(压缩、加噪等),再将其输入到解码器中进行提取。最后,通过设计合适的损失函数确保模型能高效收敛。
相比于现有工作(在整张图像上嵌入一个水印),该方案另辟蹊径采用了离散嵌入方式。首先从图像中随机挑选部分子图像块,再利用编码器对每个图像块嵌入同样的水印信息,从而保证水印区域具有较好的稀疏性。这种策略可以灵活适配各种分辨率图像而不必重新训练模型,同时具备多种优点: ○稀疏性:仅修改图像的部分区域,能够实现更好的不可察觉性,而且对文件体积增长有着更小的影响; ○随机性:水印随机地分布在图像上,攻击者很难针对性擦除,对于裁剪、遮挡、共谋攻击等的鲁棒性更强; ○一致性:鉴于单张图像上存在多个水印图像块且嵌着相同的水印,可以互相校验与纠正,容错性更优。 水印同步 在水印同步模块中,该论文引入了一个轻量级分割模型用于定位水印嵌入的区域,并且采用了Pad&Split的训练-推理策略来提高定位的泛化性和效率(对任意分辨率图片)。在训练时,采用固定分辨率的图片;而在推理时,通过填充(Pad)使其可以分块(Split)成多个与训练集尺寸相同的子图片,便于并行处理以及缩小与训练数据集的差异。即使图像受到几何攻击而变形,相应的预测掩码也将保持相同的变形,从而在多种未知的几何攻击下也能矫正图片,实现水印同步的目标。
消息融合 矫正后的水印图像块输入解码器可得到每个块的水印解码结果,但单个块的解码结果存在出错的可能。为提高容错能力,鉴于单张图像上的所有水印图像块嵌着相同水印,本论文引入了基于相似度的消息融合算法来确定最终的水印结果,使得在最坏情况下,如所有块的解码结果都出错,也能得出正确的水印,算法示意图如下。
数据已成为新生产要素,数字水印技术保驾护航 据悉,该论文原创性地提出了一种基于深度学习的图像离散水印方案(DWSF),具有如下几个突出优势: ●可适配任意分辨率的图片:不同场景中图片的分辨率往往差异很大,本方案可灵活适配多种多样的分辨率,并且不影响泛化性。 ●图像视觉质量更好:通常水印如果添加地过于明显会影响用户体验,而本方案提出的稀疏水印块修改的图片区域更少(<=20%面积),对用户体验的影响更小。
●图像文件体积增长率更低:图片的分辨率越来越大,对存储空间的影响也越来越大。而本方案由于对图片的修改更少(<=20%面积),因此文件大小的比特增长率更低、对存储空间的影响更小。
●鲁棒性更强:该方案在应对复杂图像攻击具有更高的鲁棒性,显著提高了溯源的可靠性。
据透露,上述优势使得该数字水印方案的适用范围更广、用户感知更优、溯源更可靠。目前该方案已应用到抖音、西瓜视频、飞书,以及火山引擎视频云、数据安全中心和飞连等产品中。 此外,多媒体和AI安全团队也将继续深入行业应用场景,联合国内外高校进行创新研究,为行业提供更优、更全面的水印解决方案,为人工智能时代下的版权保护、内容可信和数据安全贡献一份力量。(作者:侯昌裕) |