# 0715-01-生成式AI的浮水印技術-丁建均教授
# AI重點摘要

### 一、數位浮水印的基本概念與需求

- **定義**：將不可見的資訊嵌入數位媒體中（如影像、音訊），用於**版權保護、認證、防偽與追蹤**。
- **主要應用場景**：
- 媒體鑑識、新聞防偽（對抗Deepfake）
- 串流平台內容監控
- 機密文件溯源與公司資料外洩防範
- **面臨挑戰**：
- **蓄意與非蓄意破壞**：裁切、壓縮、模糊、雜訊、語意編輯
- **隱蔽性與可辨識性之間的平衡**
- AI生成內容盛行後真假難辨，對「可信影像」的需求劇增

---

### 二、傳統浮水印技術（Rule-based）

- **分類方式**：
- 資訊類型：0-bit（水印存在與否）、multi-bit（實際資訊）
- 嵌入域：空間域、頻率域、學習型潛空間
- 可視性：可見水印 / 不可見水印
- **空間域方法（簡單快速但易被破壞）**：
- **LSB替代法**：取代最低位元，容量高但極脆弱
- **PVD法**：根據相鄰像素差異進行嵌入
- **邏輯運算法**：使用XOR與金鑰圖像增加安全性
- **頻率域方法（較強韌）**：
- **DCT**：中頻區域嵌入，抗JPEG壓縮
- **DWT**：多頻帶嵌入，抗縮放與濾波
- **FFT**：適用週期性圖像，但定位性較差
- **矩陣方法（穩定且數學解釋性佳）**：
- **SVD法**：在奇異值中嵌入訊息，可與DCT/DWT組合提升強韌性

---

### 三、AI生成式水印技術（Generative Watermarking）

> 相較傳統方法更具彈性、強韌性與隱蔽性，可分為後處理法與生成內嵌法：
>

### (A) 後處理法（Post-processing）

- **HiDDeN（2018）**：首個端到端神經網路水印模型，使用雜訊層抵抗JPEG、模糊、裁切等破壞
- **RoSteALS（2023）**：將祕密嵌入Autoencoder潛空間，無需封面圖，具高隱蔽性
- **TrustMark（2023）**：支援任意解析度，透過Focal Frequency Loss保留高頻細節與品質
- **WAM（2024）**：將水印視為語意分割任務，可支援多重區塊訊息嵌入與偵測

### (B) 生成內嵌法（In-processing）

- **Stable Signature（2023）**：嵌入於Latent Diffusion模型中，具使用者簽章驗證功能
- **Tree-Ring Watermarks（2023）**：於擴散模型生成過程嵌入同心圓型水印，具旋轉魯棒性
- **Supermark（2024）**：結合超解析與擴散模型，解決放大過程中水印易受損問題
- **Generative Prior（2025）**：將資訊嵌入生成模型的潛空間中，提高對語義編輯攻擊的抵抗力
- **PRC Watermark（2024）**：使用偽隨機錯誤修正碼，具高隱蔽性與難破解性

---

### 四、總結與關鍵挑戰

- **數位浮水印系統的四大目標**：
1. **強韌性 Robustness**：可抵抗裁切、壓縮、語意變造
2. **隱蔽性 Imperceptibility**：不影響原圖品質、不易察覺
3. **容量 Capacity**：能嵌入足夠資訊
4. **安全性 Security & Blindness**：僅授權者可解碼，不依賴原圖
- **未來趨勢**：
- 結合**AI生成模型**與**密碼學技術**
- 對抗**生成式變造影像（如Deepfake、InstructPix2Pix）**
- 開放標準（如C2PA）推動可信內容供應鏈