A Novel Effective, Secure and Robust CDMA Digital Image Watermarking in YUV Color Space Using DWT2
本文将CDMA数字图像水印技术应用于所有权验证和图像认证中，为了提高水印的安全性，将水印W转换为一个序列，然后采用一个随机二进制序列R对水印进行加密，其中n为水印的大小。该采用过程使用伪随机数发生器来确定要在给定键上使用的像素。该方法将宿主图像转换到YUV颜色空间，然后对Y通道进行小波分解，利用加性伪随机噪声模式的相关性将水印嵌入到Y通道的选定子带系数中。实验结果表明，与同类方法相比，该方法具有更好的不可见性、安全性和鲁棒性，能够抵抗JPEG压缩和各种噪声攻击。此外，该方法不需要原始图像来提取水印。
2012-06-19 cs.CR cs.MM
ROSE: A RObust and SEcure DNN Watermarking
Centre Inria de l’Université de Rennes（雷恩大学法国国家信息与自动化研究所中心）
在部署DNN模型之前，保护DNN模型的知识产权至关重要。到目前为止，所提出的方法要么需要改变内部模型参数或机器学习管道，要么无法满足安全性和鲁棒性要求。本文提出了一种轻量级、鲁棒且安全的黑盒DNN水印协议，该协议利用了加密单向函数以及在训练过程中注入任务中的密钥图像标签对。这些对稍后用于在测试期间证明DNN模型所有权。其主要特点是证明的价值及其安全性是可度量的。大量的实验水印图像分类模型的各种数据集，以及暴露他们的各种攻击，表明它提供了保护，同时保持足够的安全性和鲁棒性。
2022-06-22 cs.AI cs.CR cs.LG
Secure Transmission in Wireless Sensor Networks Data Using Linear Kolmogorov Watermarking Technique
在无线传感器网络中，不同节点之间的所有通信都是以广播方式发送的。这些网络用于各种应用，包括军事，环境和智能空间。传感器容易受到各种类型的攻击，例如数据修改，数据插入和删除，甚至物理捕获和传感器更换。因此，安全成为无线传感器网络中的重要问题。然而，由于传感器资源受限，因此传统的密集型安全算法并不适合无线传感器网络。这使得基于数据加密的传统安全技术不太适合无线传感器网络。提出了一种用于无线传感器网络安全数据通信的线性Kolmogorov水印技术。我们提供了一个安全分析，以显示所提出的技术对各种类型的攻击的鲁棒性。该技术对数据删除、数据包复制和Sybil攻击具有很强的鲁棒性
2015-01-07 cs.CR
Watermarking in Secure Federated Learning: A Verification Framework Based on Client-Side Backdooring
Peking University（北京大学）；Central South University（中南大学）；Fuzhou University（福州大学）；Jinan University（暨南大学）；Loughborough University（拉夫堡大学）
联邦学习（FL）允许多个参与者在不直接共享数据的情况下协作构建深度学习（DL）模型。因此，FL中的版权保护问题变得重要，因为不可靠的参与者可能会访问联合训练的模型。在安全FL框架中应用同态加密（HE）技术，防止中心服务器访问明文模型。因此，使用现有的水印方案在中央服务器处嵌入水印不再可行。在本文中，我们提出了一种新的客户端FL水印方案，以解决版权保护问题的安全FL与HE。据我们所知，这是第一个在安全FL环境下将水印嵌入到模型中的方案。我们设计了一个基于客户端后门的黑盒水印方案，通过梯度增强的嵌入方法将预先设计的触发器集嵌入到FL模型中。此外，我们提出了一个触发器集的建设机制，以确保水印不能伪造。实验结果表明，我们提出的方案提供了出色的保护性能和鲁棒性对各种水印去除攻击和歧义攻击。
2023-03-03 cs.AI cs.CR cs.LG
Secure Seed-Based Multi-bit Watermarking for Diffusion Models from First Principles
Inria Rennes（法国里昂国家信息与自动化研究所）
本文提出基于原理的水印方法，通过理论分析建立安全、鲁棒性和保真度的评估框架，实现无需依赖生成模型的水印系统设计。
2026-05-07 cs.CR cs.CV
Delay-Induced Watermarking for Detection of Replay Attacks in Linear Systems
本文提出一种基于状态反馈的延迟诱导水印方法，通过在控制输入中注入随机时延状态估计项来检测线性系统中的重放攻击，并在LQG控制框架下验证其优于传统前馈水印方案。
2024-04-01 cs.CR cs.SY eess.SY
A Reinforcement Learning Framework for Robust and Secure LLM Watermarking
提出一种端到端强化学习框架，通过锚定机制和正则化项优化LLM水印的绿色/红色令牌列表设计，在标准基准上实现检测性、文本质量、鲁棒性和安全性的最佳权衡，显著提升抗伪造攻击能力。
2025-10-23 cs.CR
Fast, Secure, and High-Capacity Image Watermarking with Autoencoded Text Vectors
IRISA, Univ. Rennes, CNRS（IRISA、里昂大学、CNRS）；Imatag；LABEL4.AI
本研究提出LatentSeal语义水印框架，通过文本自编码器将句子转为256维潜在向量嵌入图像，兼具高容量、鲁棒性与安全性，突破比特上限，助力可信AI治理。
2025-10-01 cs.AI cs.CR
Enhancing Data Security in Medical Information System Using the Watermarking Techniques and Oracle SecureFile LOBs
在本文中，我们提出了一个有效的数字水印方案，以加强安全级别已经存在的数据库管理系统，以避免非法访问数据库的全面内容，包括病人的信息。医生通过查看感兴趣区域（ROI）来诊断医学图像。医学图像的ROI是包括重要信息的区域，并且必须在没有任何失真的情况下存储。如果医学图像被非法获取或其内容被改变，则可能导致错误的诊断。我们用患者数据和二值特征图代替图像LSB位平面的ROI之外的部分。后者是通过使用拉普拉斯算子将大小调整后的图像的边缘提取到其大小的四分之一来获得的。该图像直接集成到数据库中。利用边缘图和不变矩检测图像的完整性。
2012-07-23 cs.CR
Keyed Provenance Watermarking with Complementary Lattice-Based Secure Aggregation for Federated Learning
Michigan Technological University（密歇根理工大学）；National University of Singapore（新加坡国立大学）；Binghamton University（宾汉姆顿大学）
本研究针对联邦学习面临的多级攻击问题，提出结合密钥化来源水印与格基安全聚合的FL框架，经实验验证其在复合攻击下具备互补保护能力，且为端到端可信FL提供了联合评估方案。
2026-08-24 cs.CR cs.LG
Deep Learning-Based Dynamic Watermarking for Secure Signal Authentication in the Internet of Things
保护物联网（IoT）是加快其应用程序和服务部署的必要里程碑。特别是，物联网设备的功能非常依赖于其消息传输的可靠性。数据注入、窃听和中间人威胁等网络攻击可能导致安全挑战。保护物联网设备免受此类攻击需要考虑其严格的计算能力和对低延迟操作的需求。本文提出了一种新的深度学习方法，用于物联网信号的动态水印检测网络攻击。所提出的学习框架基于长短期记忆（LSTM）结构，使物联网设备能够从其生成的信号中提取一组随机特征，并将这些特征动态地水印到信号中。这种方法使从物联网设备收集信号的物联网云中心能够有效地验证信号的可靠性。此外，所提出的方法可以防止复杂的攻击场景，例如网络攻击者从物联网设备收集数据并旨在破坏水印算法的窃听。仿真结果表明，在攻击检测延迟小于1秒的情况下，可以以几乎100%的可靠性从物联网设备传输消息。
2017-11-03 cs.CR cs.IT cs.MM
Secure and Efficient Watermarking for Latent Diffusion Models in Model Distribution Scenarios
Beijing Institute of Technology（北京理工大学）；School of Information Engineering, Minzu University of China（中央民族大学信息工程学院）；School of Computer Science, The University of Adelaide（阿德莱德大学计算机学院）
针对潜在扩散模型分发中的水印泄露、逃逸与攻击问题，提出解耦式安全水印注入和基于水印分发的验证策略，在十种攻击下优于六个基线。
2025-02-18 cs.AI cs.CR
Embedding Trust at Scale: Physics-Aware Neural Watermarking for Secure and Verifiable Data Pipelines
SentinelAI；LBNL（劳伦斯伯克利国家实验室）；EECS, University of California, Berkeley, CA, USA（加州大学伯克利分校电子工程与计算机科学系）
针对科学高维数据的完整性验证需求，提出基于卷积自编码器的物理感知神经水印框架，可在多种有损变换下留存水印且保真度高，性能优于经典SVD方法，可扩展至多领域结构化数据，助力科学数据溯源与AI系统安全。
2025-05-22 cs.AI cs.CE cs.CR
Secure and Image Retrieval based on Multipurpose Watermarking for Mammography Images Database
在癌症学领域，我们被要求制作周期性的乳房X光摄影图像来监测肿瘤患者。Oracle数据库管理系统（DBMS）是一个解决方案，以管理这些图像与病人的数据记录仪。了解到乳房X线照片的医学图像的大尺寸，Oracle DBMS使用外部LOB将这些图像保存在Oracle数据库之外。这些映像与Oracle之间的链接是通过BFILE完成的。在这一层面上，出现了两个问题：第一个问题是，由于链接很可能中断，因此无法访问这些图像。第二个问题是安全性，事实上，图像保存在Oracle数据库之外，它们并没有从其强大的安全性中受益。保护数据和患者图像的完整性和机密性是法律保护的必要条件，必须保护它们不受任何未经授权的访问、更改或破坏。本文针对这两个问题，提出了基于差分扩展的可逆水印技术，并探讨了其在图像搜索和检索策略中的应用。
2014-12-08 cs.CR
Robust and Secure Code Watermarking for Large Language Models via ML/Crypto Codesign
University of California, San Diego（加利福尼亚大学圣迭戈分校）；San Diego State University（圣地亚哥州立大学）
该研究提出首个ML/密码学协同设计的RoSeMary框架，通过端到端训练结合CodeT5实现高质量代码水印，用零知识证明安全验证，兼具高检测准确率、抗攻击能力与高效性。
2026-08-12 cs.CL cs.CR cs.LG
Simple Cracking of (Noise-Based) Dynamic Watermarking in Smart Grids
本研究通过频谱分析提出一种受数字孪生启发的简单攻击，利用电网噪声在无需私有水印信号的情况下完全破解动态水印，并指出缺乏安全通信时其无安全性，而安全链路下其冗余。
2025-04-20 cs.CR
Alternative security architecture for IP Telephony based on digital watermarking
IP电话系统的安全问题、标准化不足和缺乏安全机制，都需要新的方法和解决方案。本文提出了一种新的、可供选择的语音系统安全体系结构。它基于数字水印：一种新的，灵活的和强大的技术，越来越受到越来越多的关注。除了已知的应用，例如解决版权保护问题，我们建议使用数字水印，以确保不仅传输的音频，而且IP电话是基于信令协议。
2005-06-18 cs.CR cs.MM
Collusion-Secure Watermarking for Sequential Data
在这项工作中，我们解决了由于未经授权共享个人数据而可能产生的责任问题。我们考虑的情况下，一个人分享他的序列数据（如基因组数据或位置模式）与几个服务提供商（SP）。在这种情况下，如果他的数据在未经他同意的情况下与其他第三方共享，个人希望确定对这种未经授权的共享负责的服务提供商。为了提供这种功能，我们提出了一种新的基于优化的水印方案，用于共享顺序数据。因此，在未经授权的敏感数据共享的情况下，所提出的方案可以找到泄漏的来源，通过检查泄漏的数据内的水印。特别地，所提出的方案以高概率保证（i）接收数据的恶意SP不能理解加水印的数据点，（ii）当多于一个恶意SP聚合它们的数据时，它们仍然不能确定加水印的数据点，（iii）即使未授权共享仅涉及原始数据或修改的数据的一部分（以损坏水印），则可以保持对应的恶意SP对泄漏负责，以及（iv）所添加的水印符合对应数据的性质。也就是说，如果在数据中存在固有的相关性，则添加的水印仍然保留这种相关性。水印通常意味着改变数据的某些部分，因此它可能对数据效用产生负面影响。所提出的方案也最大限度地减少这种效用损失，同时它提供了上述的安全保证。此外，我们进行了一个案例研究，该计划的基因组数据，并显示该计划的安全性和实用性的保证。
2017-08-18 cs.CR
ZIRCON: Zero-watermarking-based approach for data integrity and secure provenance in IoT networks
针对物联网资源受限下数据完整性与安全溯源难的问题，提出零水印方案ZIRCON，通过源节点生成水印将溯源信息存入防篡改集中数据库，经分析验证其轻量、抗攻击且性能优于现有方案。
2023-04-29 cs.CR
The Effective Key Length of Watermarking Schemes
尽管数字水印方案的嵌入失真、有效载荷和鲁棒性都得到了很好的理解，但安全性的概念仍然没有完全得到很好的定义。过去五年提出的方法过于理论化，只考虑嵌入过程，这是水印方案的一半。本文提出了一种新的衡量水印安全性的方法，称为有效密钥长度，它反映了攻击者获取水印信道的难度。这种新的方法适用于添加剂扩频方案，提出了有效的密钥长度的理论和实际计算。这表明，这些方案是不安全的，一旦对手得到的观测在已知消息攻击的上下文中。
2012-02-16 cs.CR
Improved DWT Based Watermarking Using JPEG-YCbCr
本文提出了一种基于小波变换域的盲、安全、不可感知和鲁棒水印算法。为了提高水印的安全性，将水印W转化为一个序列，然后采用一个大小为n的随机二进制序列R对水印进行加密，其中n为水印图像的大小。然后，通过对W和R执行“异或”运算来生成加密水印序列W1。该算法利用LSB插入技术将水印嵌入到JPEG-YCbCr的Y通道小波分解的低频系数中。实验结果表明，与文献[1]相比，该算法提高了水印的安全性和不可感知性，对小波压缩和剪切攻击具有更好的鲁棒性。
2012-06-20 cs.CR cs.MM
Dual Watermarking Scheme with Encryption
数字水印用于版权保护和认证。在该系统中，一个双重水印方案的基础上，小波奇异值分解与混沌加密算法，将开发，以提高鲁棒性和保护与安全性。小波变换和奇异值分解作为一种数学工具被用来在图像中嵌入水印。在宿主图像中嵌入两个水印。该算法将二次水印嵌入到一次水印中，并利用混沌逻辑斯蒂映射对水印图像进行加密。这为图像加密和传输提供了一种高效、安全的方法。水印图像被解密，并开发了一个可靠的水印提取方案的提取的主要以及从失真的图像的二次水印。
2010-02-11 cs.CR cs.MM
Composability in Watermarking Schemes
本文研究水印方案的可组合性，提出一组允许组合水印方案的精确要求，从而能够将密码学构建模块的水印方案组合成更大协议的水印方案，并推导出多项应用。
2024-10-14 cs.CR
Topological study and Lyapunov exponent of a secure steganographic scheme
CIS2是信息隐藏文献中提出的一种隐写方案，属于同时具有隐写性和拓扑安全性的小类算法。由于其隐写安全性，该方案能够抵抗“仅水印攻击”框架下的攻击。它的拓扑安全性增强了它在Simmons' prisoner problem中抵御其他框架中的已知消息攻击或已知原始攻击的能力。在这项研究工作中，研究的拓扑性质的C I S 2的描述该计划的迭代实数线，并调查其他安全性质的拓扑性质的李雅普诺夫指数。实验结果表明，该方案也能在“估计原始攻击”的情况下撤回恶意攻击者。
2013-07-07 cs.CR cs.MM
Security Issues In Speech Watermarking for Information Transmission
语音信息的安全传输是许多安全专业人员和个人面临的一个重要问题。通过应用语音加密技术，可以传输任何类型的加密敏感语音数据，如密码。但这具有严重的缺点，即通过密码分析攻击，加密的数据可能被泄露。增加加密/解密的强度会导致相关的成本增加。另外的技术，如速记和数字水印，可以用来隐藏信息在一个不可检测的方式在音频数据。然而，这种加水印的音频数据必须通过不可靠的媒体发送，窃听者可能会掌握秘密消息，并且还可以确定发送信息的说话者的身份，因为人类的声音包含基于其特性（如频率，音调和能量）的信息。本文提出了一种归一化语音水印技术。对语音信号进行归一化处理以隐藏发送信息的说话人的身份，然后对包含消息（口令）的归一化信号应用语音水印技术，使得传输的信息不应被未经授权地泄露。
2013-04-25 cs.CR cs.MM
An Efficient Digital Watermarking Technique for Small Scale devices
提出轻量级 FWT-AQIM 混合水印方法，在 Raspberry Pi 5 上以低内存和低于40 ms耗时实现高不可感知性、强鲁棒性与11 MP/s实时吞吐量。
2025-06-07 cs.CR cs.MM
Hardware Watermarking for Finite State Machines, with Symmetric Circuit Encryption
将水印放入数字电路有其自身的一系列挑战。在印刷品中创建安全水印通常包括难以复制的图形。在包括难以生产的附加电路的电路中，必须应对增加电路的功耗、降低电路的速度以及引入容易再现的水印电路的前景。本文提出了一种时序电路的数字水印方法。它允许多种程度的校准，允许用户根据速度、功率和功效的要求调整水印的复杂性。我们的方法使用一种加密技术，介绍秘密的水印电路，在几个层次。它还采用边界扫描测试协议作为保护水印电路的手段。我们的讨论首先描述我们的水印方案中所需的不同工具。然后，我们讨论了与破解我们的水印电路相关的问题的难度。这个分析表明，通过完全实现，我们的方法可以变得非常安全。
2022-03-22 cs.AR cs.CR
An Approach of Digital Image Copyright Protection by Using Watermarking Technology
数字水印系统是保护有价值的资源和信息的重要手段。数字水印一般是人眼和人耳感觉不到的。数字水印可用于视频、音频和数字图像中，用于各种各样的应用，例如版权管理、认证和过滤互联网内容。所提出的系统能够保护诸如音频、图像、视频或文本的数字媒体的版权或所有者标识。该系统利用密钥对水印进行置乱，并将置乱后的水印嵌入到原始图像的小波系数中。该密钥是随机生成的，用于选择置换水印在小波域中的嵌入位置。最后，结合密码学的概念和数字水印技术，实现了一个更加安全的数字水印系统。
2012-05-28 cs.CR
AuthenLoRA: Entangling Stylization with Imperceptible Watermarks for Copyright-Secure LoRA Adapters
AuthenLoRA通过在LoRA训练过程中嵌入隐秘水印，实现版权安全的风格化生成，提升水印传播的鲁棒性和降低假阳性率。
2025-11-26 cs.CR
Secure Watermark for Deep Neural Networks with Multi-task Learning
深度神经网络在许多实际应用中发挥着重要作用。在用丰富的数据和计算资源训练后，提供服务的深度神经网络模型被赋予了经济价值。商业化和保护深度神经网络的一个重要前提是可靠地识别其真正的作者。为了实现这一目标，人们提出了将作者身份信息嵌入到网络中的水印方案。然而，目前的计划很难满足所有必要的要求，安全地证明作者，主要集中在模型的分类。为了明确地满足安全需求的形式化定义并增加深度神经网络水印方案的适用性，我们提出了一种基于多任务学习的新框架。通过将水印嵌入视为一项额外的任务，大多数安全要求都是明确制定的，并通过精心设计的正则化器来满足，其余的则通过使用密码学组件来保证。此外，一个分散的验证协议，提出了标准化的所有权验证。实验结果表明，该方案具有灵活性、安全性和鲁棒性，是深度学习模型保护的一种有效方案.
2021-12-26 cs.CR
Cryptographic key distribution over a public network via variance-based watermarking in compressive measurements
光通信在公共传输场景中对安全性的需求越来越大。本文提出了一种基于水印的光子计数压缩成像系统的公钥分发协议，该协议利用水印技术分发安全密钥，并利用重建图像同时进行身份认证和篡改识别。将水印嵌入到经过重新排列的目标压缩测量值中，然后通过公共网络传输信号。在接收端，合法用户利用初始密钥和随机测量的方差特性，可以很容易地提取水印作为密钥。人工篡改和攻击可以通过准确检索的图像来检测。该协议的实现是向实际应用迈进的一步，将在多方面有利于更广泛的光安全领域。
2019-03-30 cs.CR physics.app-ph physics.optics
DataSafe: Copyright Protection with PUF Watermarking and Blockchain Tracking
DataSafe结合PUF与区块链，通过设备内水印验证实现安全版权保护与追踪，原型系统验证了其有效性。
2024-05-29 cs.CR
SimpleMark: Fast Multi-Bit Text Watermarking under f -Divergence Constraints
Massachusetts Institute of Technology（麻省理工学院）；Amazon（亚马逊）；Stony Brook University（石溪大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
我们提出一个基于 f-散度约束的多比特文本水印框架，通过最优偏置词元分布实现低可检测性，同时保持消息恢复性能和生成质量。
2026-10-06 cs.AI cs.CR cs.IT
Solving the Capsulation Attack against Backdoor-based Deep Neural Network Watermarks by Reversing Triggers
为了保护人工智能模型，特别是深度神经网络在黑箱环境下的知识产权，提出了基于后门的数字水印方案。与普通后门相比，基于后门的水印需要以数字方式包含所有者的身份，这一事实对触发器生成和验证程序增加了额外的要求。此外，这些问题产生额外的安全风险后，水印方案已被公布为取证工具或所有者的证据已被窃听on.This本文提出的封装攻击，一种有效的方法，可以使大多数建立后门为基础的水印方案无效，而不牺牲盗版模型的功能。通过使用基于规则的过滤器或贝叶斯过滤器封装深度神经网络，攻击者可以阻止所有权探测并拒绝所有权验证。我们提出了一个度量，CAScore，衡量一个基于后门的水印方案的安全性对封装攻击。本文还提出了一种新的基于后门的深度神经网络水印方案，该方案通过反转编码过程和随机暴露触发器来抵抗封装攻击。
2022-08-30 cs.CR
Ciphertext-Native Watermarking for RLWE-Based Homomorphic Encryption
Sun Yat-sen University（中山大学）
针对 RLWE 同态加密方案忽视密文版权保护等实际需求的问题，提出水印技术，利用 RLWE 多项式代数结构嵌入水印，给出 ARWMark 和 MRWMark 两种方案，经理论分析和实验验证其有效性且不损原安全性。
2026-08-24 cs.CR
Security and Detectability Analysis of Unicode Text Watermarking Methods against Large Language Models
Fraunhofer ISST（弗劳恩霍夫研究所）
本文分析了Unicode文本水印方法在大语言模型下的安全性和可检测性，发现最新模型能检测水印但无法提取。
2026-08-14 cs.AI cs.CR cs.LG
SIGNED: A Challenge-Response Based Interrogation Scheme for Simultaneous Watermarking and Trojan Detection
涉及不受信任方的电子硬件分布式制造生态系统的出现引起了各种信任问题。特别是，IP盗版、生产过剩和硬件木马攻击对数字设计制造商构成了重大威胁。水印技术是半导体行业用来克服许多信任问题的解决方案之一。然而，目前的水印技术具有低覆盖率，招致硬件开销，并且容易受到移除或篡改攻击。此外，这些水印无法检测特洛伊木马植入攻击，其中对手出于恶意目的更改设计。我们解决这些问题，在我们的框架称为签名：安全的轻量级数字水印方案的设计。SIGNED依赖于基于询问-响应协议的询问方案来生成水印。SIGNED识别目标网表中的敏感区域，并对其进行采样，以形成代表设计的功能和结构特征的紧凑签名。我们表明，这个签名可以用来同时验证，在一个强大的方式，设计的出处，以及在设计过程中的任何阶段，它的任何恶意修改。在ISCAS 85和ITC基准电路上对SIGNED进行了评估，即使在低至5门的情况下，检测精度也达到了87.61%.我们进一步证明，SIGNED可以受益于与逻辑锁定解决方案的集成，在那里它可以实现更高的保护，防止删除/回火攻击，并通过明智地重用水印创建的锁定逻辑产生更低的开销。
2020-10-11 cs.CR
Building Intelligence Identification System via Large Language Model Watermarking: A Survey and Beyond
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；Shanghai Jiao Tong University（上海交通大学）；School of Cyber Science and Engineering, Shanghai Jiao Tong University（上海交通大学网络空间安全学院）；Tsinghua University（清华大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
本文从智能体身份识别角度综述LLM水印技术，提出基于互信息理论的数学框架系统化识别过程，全面评估性能指标并指出当前挑战，旨在促进透明安全的LLM生态系统发展。
2024-07-24 cs.AI cs.CL cs.CR
MetaSeal: Defending Against Image Attribution Forgery Through Content-Dependent Cryptographic Watermarks
Northeastern University（东北大学）；Cisco（思科）；University of California, Riverside（加州大学河滨分校）
MetaSeal通过内容依赖的密码水印技术，提供抗伪造、自包含保护和篡改证据，以增强图像归属的安全性。
2026-02-13 cs.AI cs.CR
ChainMarks: Securing DNN Watermark with Cryptographic Chain
Johns Hopkins University（约翰霍普金斯大学）；Palo Alto Networks, Inc.（帕洛阿尔托网络公司）；University of California, Los Angeles（加州大学洛杉矶分校）；George Mason University（乔治·马歇尔大学）
本文提出ChainMarks水印方案，通过密码学哈希链生成触发输入、以数字签名生成目标标签，并结合两阶段蒙特卡洛判定方法，在保持水印精度的同时提升DNN水印的鲁棒性与安全性。
2025-06-03 cs.AI cs.CR
Watermarking Counterfactual Explanations
Penn State University（宾夕法尼亚州立大学）
本文提出CFMark水印框架，通过双层优化在反事实解释中嵌入不可见水印，利用零假设显著性检验检测未授权模型提取攻击，在保持解释质量几乎不变的前提下实现了约0.89的F-1检测分数。
2024-10-20 cs.CR cs.LG stat.ME
Cracking White-box DNN Watermarks via Invariant Neuron Transforms
Fudan University（复旦大学）
近年来，如何保护深度神经网络（DNN）的知识产权（IP）成为人工智能行业的主要关注点。为了打击潜在的模型盗版，最近的工作探索了各种水印策略，以将秘密身份消息嵌入到预测行为或内部（例如，权重和神经元激活）。牺牲更少的功能并涉及关于目标模型的更多知识，水印方案的后一分支（即，白盒模型水印）被声称是准确的、可信的和安全的，可以抵抗大多数已知的水印去除攻击，并且在工业中具有新兴的研究成果和应用。在本文中，我们提出了第一个有效的去除攻击，几乎所有现有的白盒水印方案，可证明没有性能开销，不需要先验知识。通过分析这些IP保护机制在神经元的粒度，我们第一次发现他们共同依赖于一组脆弱的功能，本地神经元组，所有这些都可以被任意篡改我们提出的链不变的神经元变换。在$9$最先进的白盒水印方案和广泛的行业级DNN架构上，我们的攻击首次将受保护模型中的嵌入身份消息减少到几乎随机。同时，与已知的去除攻击，我们的攻击不需要先验知识的训练数据分布或所采用的水印算法，并留下完整的模型功能。
2022-05-19 cs.CR cs.CV cs.LG
Bit-Level Triangular Content-Aware Permutation for Fragile Image Watermarking: Zero False Positive Rate, Single-Bit Sensitivity, and Arbitrary Dimension Support
Amirkabir University of Technology (Tehran Polytechnic)（阿米尔卡比尔理工大学（德黑兰理工大学））；Iran University of Science and Technology（伊朗科技大学）
该研究提出一种维度无关的脆弱图像水印算法，采用三角内容感知置换提升安全性，对18种攻击的FPR达0%，在多场景应用中实现高准确率与低时间开销。
2026-08-31 cs.CR cs.CV
PDF: PUF-based DNN Fingerprinting for Knowledge Distillation Traceability
本文提出基于PUF的DNN指纹识别方法，用于知识蒸馏中的模型追踪与问责，通过轻量级的签名叠加技术实现模型的可追溯性与安全性。
2026-02-27 cs.AR cs.CR
Perfectly Secure Steganography: Capacity, Error Exponents, and Code Constructions
本文分析了满足以下完美不可检测性条件的隐写系统。在将消息嵌入到covertext中之后，所得到的隐写文本需要具有与covertext完全相同的概率分布。那么没有统计测试可以可靠地检测隐藏消息的存在。我们称这种隐写方案为完全安全的。在最近的文献中已经提出了一些这样的方案，但他们有消失率。我们证明，通信性能可以大大提高，具体来说，我们的基本设置假设独立同分布（i.i.d.）covertext，我们构建完全安全的隐写代码从公共水印代码使用binning方法和随机排列的代码。置换是编码器和解码器之间共享的秘密密钥。我们推导出（正）容量和随机编码指数的完全安全的隐写系统。误差指数提供实现目标低误差概率所需的码长的估计。我们解决了由于完美的安全要求在通信性能的潜在损失。这种损失是相同的损失下得到一个较弱的阶-1隐写的要求，只需要匹配的一阶边缘的covertext和隐写文本分布。此外，如果覆盖文本分布是均匀的，失真度量是循环对称的，则不会发生损失;然后通过随机线性码实现隐写容量。我们的框架也可能是有用的计算安全隐写系统，具有接近最佳的通信性能。
2007-12-25 cs.CR cs.IT math.IT
ZK-WAGON: Imperceptible Watermark for Image Generation Models using ZK-SNARKs
National Institute of Technology, Tiruchirappalli（蒂鲁吉拉帕利国立技术学院）
针对传统图像生成模型水印方法的缺陷，该研究提出基于ZK-SNARKs的ZK-WAGON系统，结合SL-ZKCC方法和LSB隐写术实现无敏感信息泄露的可验证来源水印，适配多类模型，支撑可信AI图像生成。
2025-10-02 cs.AI cs.CR cs.CV
Cryptographically Secure Pseudo-Random Number Generation (CS-PRNG) Design using Robust Chaotic Tent Map (RCTM)
本文提出基于鲁棒混沌帐篷映射的密码学安全伪随机数生成方法，通过取模与缩放算子扩大参数空间，并经多种统计测试验证其随机性与安全性。
2024-08-10 cs.CR
Two Security Layers for Hierarchical Data Aggregation in Sensor Networks
由于传感器节点的资源有限，最小化传感器网络之间的数据传输量是非常重要的。为了减少发送数据的量，可以沿着从传感器到接收器的路径应用聚合方法。然而，由于传感器网络通常部署在不可信甚至敌对的环境中，传感器节点容易受到节点妥协攻击。因此，需要端到端的安全聚合方法来确保健康的数据接收。在本文中，我们提出了两个层次的传感器网络中的安全数据聚合。首先，我们提出了一个端对端加密方案，支持对密文的操作。它基于椭圆曲线密码学，利用较小的密钥大小，允许对密码文本使用更多的操作，并防止两个相同文本之间的区别。其次，我们提出了一种新的基于水印的认证，使传感器节点，以确保与他们通信的其他节点的身份。我们的实验表明，我们的混合方法的安全数据聚合增强了安全性，显着降低了计算和通信开销，并可以实际实现在货架上的传感器平台。
2016-08-21 cs.CR cs.DC
A Novel Chaos-Based Cryptographic Scrambling Technique to Secure Medical Images
本文提出一种基于混沌映射的医学图像加密置乱技术，通过混沌置乱缓解传统混淆扩散缺陷，并利用分岔图、李雅普诺夫指数等验证其安全性能。
2025-02-15 cs.CR
Deep Data Hiding for ICAO-Compliant Face Images: A Survey
University of Cagliari（卡利亚里大学）；Dedem S.p.A.（Dedem公司）
本文综述了在符合ICAO标准的人脸图像中嵌入数字水印和隐写术的深度数据隐藏技术，以弥补PAD缺乏采集后保护的不足，并分析其潜力、局限及部署权衡。
2025-08-26 cs.AI cs.CR cs.CV
Unforgeable Watermarks for Language Models via Robust Signatures
Paul G. Allen School of Computer Science & Engineering, University of Washington（保罗·G·艾伦计算机科学与工程学院，华盛顿大学）；Data Science Institute, University of Chicago（数据科学研究所，芝加哥大学）
本文提出了一种通过鲁棒签名实现语言模型不可伪造水印的方法，增强了内容归属的安全性和可追溯性。
2026-02-17 cs.AI cs.CR cs.LG
Singularity Cipher: A Topology-Driven Cryptographic Scheme Based on Visual Paradox and Klein Bottle Illusions
本研究提出融合拓扑变换与视觉悖论的Singularity Cipher双层密码-隐写框架，基于克莱因瓶特性实现高混淆扩散，结合视觉幻象提升抗检测性，适用于对抗环境下的安全通信等场景。
2025-07-02 cs.CR
