Embedded Blockchains: A Synthesis of Blockchains, Spread Spectrum Watermarking, Perceptual Hashing & Digital Signatures
本文提出嵌入式区块链方案，综合区块链、加密扩频水印、感知哈希和数字签名技术，为每个媒体记录生成独特区块链并嵌入背景噪声，通过遍历区块链验证完整性，利用感知哈希差异估计篡改程度。
2024-11-25 cs.CR cs.IT cs.MM
Spread Spectrum based Robust Image Watermark Authentication
本文提出了一种新的扩频水印技术。在现代多媒体应用领域，如互联网，当需要对数字图像进行版权保护时，这个问题尤其令人感兴趣。该方法利用两个前趋单吸引子（TPSA）细胞自动机（CA）适合作为有效的认证功能在小波基的SS水印域。该方案的设计从非组CA的状态转移行为的分析研究和基本的密码/加密方案是显着不同的传统的SS数据隐藏方法。实验结果表明，该方案在保密性、认证性、不可否认性和完整性等方面具有较好的鲁棒性。变换域盲水印技术提供了更好的视觉和统计不可感知性和对不同类型的有意和无意的图像退化的弹性。与传统的匹配滤波器检测相比，交织和干扰消除方法显著提高了鲁棒性。
2012-07-11 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
Wave Atom Based Watermarking
水印有助于确保数字图像的原创性，所有权和版权。本文的目的是利用波原子变换在图像中嵌入水印。波原子相对于其他变换的优势在于它的稀疏展开、对局部模式方向的适应性和尖锐的频率局部化。在这个方案中，我们试图将水印分散在图像中，使得在一个地方的信息非常小，无法检测。为了提取水印并验证图像的所有权，人们将具有嵌入位置的先验知识的优点。为了使水印失真，需要将高幅度的噪声添加到图像中。此外，信息扩散将确保水印数据的鲁棒性。该方案具有抵御恶意操作和攻击的能力。
2015-08-07 cs.CR cs.MM
Optimizing Adaptive Attacks against Watermarks for Language Models
该研究针对现有大语言模型水印鲁棒性仅测试非自适应攻击的不足，将水印鲁棒性形式化为目标函数，用基于偏好的优化调优自适应攻击，实验证明该攻击可规避所有调研水印、能泛化到未知水印且成本效益高，凸显了测试水印抗自适应攻击鲁棒性的必要性。
2025-05-21 cs.AI cs.CR
DINVMark: A Deep Invertible Network for Video Watermarking
本文提出DINVMark，一种基于可逆神经网络的视频水印方法，通过共享编解码器结构和模拟HEVC压缩的噪声层，在保持视频质量的同时显著提升水印鲁棒性与嵌入容量。
2025-09-22 cs.CR
Multi-Channel Spread-Spectrum Code Watermarking
Singapore Management University（新加坡国立管理大学）
研究针对大语言模型代码出处等需求，现有水印无法满足的问题。提出多通道扩频码水印方法，无需训练，有24位有效载荷及鲁棒性保证。在多种测试文件和攻击下，水印检测准确率高、误报率为零，能有效恢复标识符。
2026-07-08 cs.CR cs.LG cs.SE
Improved Watermarking Scheme Using Discrete Cosine Transform and Schur Decomposition
水印是一种技术，它包括在图像中引入品牌，作者的名称或徽标，以保护其免受非法复制。现有的水印信道的容量通常是有限的。本文提出了一种新的鲁棒性方法，该方法包括将Schur分解后得到的标记的三角矩阵添加到宿主图像的DCT变换中。酉矩阵充当用于提取标记的秘密密钥。与大多数水印算法不同，宿主图像和标记具有相同的大小。实验结果表明，该方法对JPEG压缩、色彩还原、加噪、滤波、剪切、低旋转、直方图扩展等攻击具有较好的鲁棒性。
2013-08-02 cs.CR cs.MM
Watermarking Digital Images Based on a Content Based Image Retrieval Technique
目前的工作重点是实现一个强大的数字图像水印算法，这是基于一个创新的扩频分析算法的水印嵌入和基于内容的图像检索技术的水印检测。高度鲁棒的水印算法应用“可检测水印”，检测机制基于水印密钥来检查水印是否存在（布尔决策）。问题在于，在包含数千幅图像的数字图像库中检测水印意味着需要水印检测算法来将所有密钥应用于数字图像。此应用程序对于非常大的图像数据库是无效的。另一方面，“可读”水印可能证明较弱但更容易检测，因为仅需要检测机制。该算法结合了水印的“可检测性”和“可读性”的优点。结果是一个快速和鲁棒的水印算法。
2008-10-17 cs.CR cs.DS
Robust Video Watermarking Schemes in Phase domain Using Binary Phase Shift Keying
提出了一种基于离散傅立叶变换（DFT）和序列复阿达玛变换（SCHT）的鲁棒视频水印方案。DFT和SCHT系数是复数，由幅度和相位组成，非常适合采用相移键控技术来嵌入水印。在所提出的方案中，DFT和SCHT系数的相位被修改，以传达水印信息使用二进制相移键控在封面视频。采用低幅度块选择（LABS）技术提高水印的透明性，采用幅度提升技术提高水印对信号处理和压缩攻击的抵抗能力，采用扩频技术对水印进行加密以保护水印不受第三方攻击。它是观察到，这两种算法表现出或多或少相同的鲁棒性，但SCHT提供了高透明度，简单的实现和更少的计算成本比DFT。
2014-03-21 cs.CR cs.MM
Yours or Mine? Overwriting Attacks Against Neural Audio Watermarking
本文提出针对神经音频水印的覆盖攻击，揭示现有系统安全漏洞，强调未来需加强安全设计。
2025-12-04 cs.CR cs.SD eess.AS
On Function-Coupled Watermarks for Deep Neural Networks
The Chinese University of Hong Kong（香港中文大学）；Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））；University of Electronic Science and Technology of China（电子科技大学）
本文提出一种基于分布内数据特征与权重随机掩码的深度神经网络函数耦合水印方法，通过增强水印与模型功能的耦合，有效抵御模型微调与剪枝等移除攻击，实现100%认证成功率。
2023-04-01 cs.AI cs.CV cs.LG
NSmark: Null Space Based Black-box Watermarking Defense Framework for Language Models
Shanghai Jiao Tong University（上海交通大学）；Tencent（腾讯）
本文提出黑盒水印框架 NSmark，利用输出矩阵零空间在 LL-LFEA 攻击下不变的特性，通过签名生成、输出映射嵌入和零空间一致性验证，实现对语言模型抗攻击且任务无关的版权保护。
2025-02-03 cs.AI cs.CL cs.CR
Watermark Embedding and Detection
嵌入器和检测器（或解码器）是数字水印系统的两个最重要的组成部分。因此，在这项工作中，我们讨论如何设计一个更好的嵌入器和检测器（或解码器）。本文首先对数字水印技术的应用前景和主要的数字水印方案进行了综述。我对文献的评论密切关注边信息如何在嵌入器和检测器中被利用。在第三章中，我根据宿主信号的特定概率分布来探索最佳检测器或解码器。我们发现，乘法和加法扩频方案的性能取决于主机信号的形状参数。对于扩频方案，检测器或解码器的性能由于主机干扰而降低。因此，我提出了一种新的主机干扰抑制技术的乘法扩频方案。它的嵌入规则是根据最佳检测或解码规则定制的。虽然主机干扰抑制方案比传统的扩频方案具有很大的性能增益，但它们的缺点是难以通过感知分析来实现以达到最大允许嵌入水平，这阻碍了它们在实际场景中的使用。因此，在本书的最后几章，我将介绍一种双面技术来解决这个缺点。它与主机干扰抑制方案的不同之处在于，它在其嵌入器处利用但不抑制主机干扰。感知分析可以很容易地实现在我们的计划，以达到最大允许的嵌入强度水平。
2007-06-02 cs.CR cs.MM
Speech Pattern based Black-box Model Watermarking for Automatic Speech Recognition
University of Science and Technology of China（中国科学技术大学）
模型水印技术作为一种有效的知识产权（IP）保护方法，已广泛应用于各种深度神经网络（DNN），包括语音分类模型。然而，如何设计一个黑盒水印方案的自动语音识别（ASR）模型仍然是一个未解决的问题，这是一个重要的需求，保护远程ASR应用程序编程接口（API）部署在云服务器上。由于ASR模型的条件独立性假设和基于标签检测的规避攻击风险，语音分类模型的黑盒模型水印方案不能适用于ASR模型。在本文中，我们提出了第一个黑盒模型水印框架，用于保护ASR模型的IP。具体来说，我们合成触发音频传播模型所有者的语音剪辑在整个输入音频和标记的触发音频的隐写文本，隐藏作者的信息与语言隐写。在最先进的开源ASR系统DeepSpeech上的实验证明了所提出的水印方案的可行性，该方案对五种攻击具有鲁棒性，并且对准确性的影响很小。
2022-05-02 cs.CL cs.CR cs.MM
Odd-Even Embedding Scheme Based Modified Reversible Watermarking Technique using Blueprint
数字水印是一种在多媒体内容中添加信息或隐藏信息以识别数据所有者的技术。一个信号或数字图像似乎可以永久地嵌入另一个数字数据，这为保护知识产权免受非法复制提供了一种很好的方法。通过互联网传输的封面数据以计算机辅助断言方法隐藏水印，使得其变得不可检测。最后，它在不损害嵌入的宿主文档的情况下成为许多操作的障碍。不幸的是，许多数字材料，如图像，文本，音频和视频的所有者不愿意在Web或其他网络环境中传播他们的文档，因为复制数字材料的容易性助长了版权侵犯。数字媒体通过各种渠道传播。封面数据可以与水印信息保持或不保持任何关系。在过去的二十年里，人们对音频、视频、图像和文本等多媒体文件的数字水印进行了大量的研究。研究人员提出了不同类型的水印算法，以实现高水平的安全性和真实性。在我们提出的方法中，一种改进的可逆水印技术，它采用了一个蓝图生成的原始图像的基础上的奇偶嵌入方法，以产生大的数据隐藏容量，安全性以及高水印质量。实验结果表明，无论嵌入多少秘密数据，该方案的水印质量约为51dB。
2013-03-24 cs.CR cs.MM
SimKey: A Semantically Aware Key Module for Watermarking Language Models
Middlebury College（中田大学）；New York University（纽约大学）；Claremont McKenna College（克莱蒙特麦肯纳学院）
本文提出SimKey模块，通过局部敏感哈希将水印密钥生成与上下文语义绑定，有效提升了语言模型水印对释义和翻译的鲁棒性，并防止有害内容被错误归因。
2025-11-03 cs.CR cs.LG
GENIE: Watermarking Graph Neural Networks for Link Prediction
IIIT Hyderabad（印度信息技术与管理研究院海得拉巴分校）
本文提出首个用于链接预测GNN的水印方案GENIE，通过独特触发集与秘密水印向量创建后门，经多模型、多数据集及多攻击评估，验证了其鲁棒性并讨论了对抗自适应攻击的防御策略。
2026-09-02 cs.CR cs.LG
Watermarking Diffusion Model
本文针对扩散模型知识产权保护问题，首次提出两种水印注入方法NAIVEWM和FIXEDWM，通过预定义提示验证水印，且对模型功能影响极小。
2023-05-21 cs.CR
Tatouage Robuste Et Aveugle Dans Le Domaine Des Valeurs Singulieres
数字水印是在图像中插入一个标记，以保护图像不被复制。旧方法的提取过程的繁重促使我们在奇异值域中寻找一种新的算法，这将是盲目的：它不需要原始图像来提取标记。我们提出了一种新的鲁棒方法，该方法包括将标记的位插入奇异值矩阵。实验结果表明，该算法对JPEG压缩、GIF压缩和直方图扩展具有较好的鲁棒性。因此，我们能够获得PSNR = 49，63 dB。
2010-01-22 cs.CR
What Breaks Local Watermarks? A Robustness Benchmark for Local Invisible Image Watermarking
University of Edinburgh（爱丁堡大学）；Garandor
针对局部图像水印鲁棒性研究分散的问题，提出首个涵盖55种变换的系统基准，评估五种方法，发现MaskWM性能最优但图像质量最低，且鲁棒性强烈依赖变换类型。
2026-09-16 cs.AI cs.CR cs.CV
Bayesian Watermark Attacks
Duke University（杜克大学）
本文提出了一种应用统计机器学习领域的水印。提出了一种新的加性扩频水印攻击模型。该攻击基于贝叶斯统计。我们考虑的情况下，其中的水印信号被反复嵌入在特定的，可能选择的基础上的秘密消息比特流，段（信号）的主机数据。主机信号可以表示来自图像或视频帧的像素块。我们提出了一个概率模型，推断嵌入的消息比特流和水印信号，直接从水印数据，而无需访问解码器。我们开发了一个有效的马尔可夫链蒙特卡罗采样器更新模型参数的共轭全条件后验。我们还提供了一个变分贝叶斯解决方案，这进一步提高了算法的收敛速度。仿真和真实图像信号的实验表明，该攻击模型能够正确地推断出大部分的消息比特流，并获得非常准确的估计的水印信号。
2012-06-18 cs.CR cs.LG cs.MM
