可见水印是一种十分常见的安全工具，被广泛使用于数字图像版权保护中，但是，最近的一系列工作表明，基于深度神经网络（Deep Neural Networks, DNN）可以有效去除可见水印，并会对图像进行自动补全。这类水印去除技术对于图像的版权构成极大安全威胁。

本文提出利用对抗扰动技术预防图像可见水印抹除，称为“水印疫苗”，防止用于标记图像版权等重要信息的水印被恶意抹除。文中提出两种技术：破坏型水印疫苗（Disrupting Watermark Vaccine，DWV）以及不可擦除型水印疫苗（Inerasable Watermark Vaccine，IWV）。如果对目标图像加入DWV“疫苗”，则如果攻击者利用盲水印去除网络对被注入疫苗的图像进行修改，企图抹除水印，则会导致该图像被剧烈修改，破坏可读性与可使用性；如果对图标图像加入IWV“疫苗”，则攻击者无法使用盲水印去除网络将被注入疫苗的图像上的水印。该技术的直观实验效果如下图所示。

作者受到DNN在对抗扰动上的脆弱性的启发，通过对抗学习技术提出了新颖的防御机制，将目前领先（State-of-the-art）的水印去除网络作为目标模型，优化原始图像，添加人眼不易察觉的扰动信息，来主动攻击水印去除网络。

作者使用CLWD (Colored Large-scale Watermark Dataset)数据集进行图像保护实验，该数据集包含三部分图像，分别是无水印原始图像，水印图像（通常为logo或文本框）与含密图像。作者首先使用CLWD数据集，训练了三个领先的可见水印去除网络[1-3]，用作对手网络，接着，将无水印原始图像送入提出的DWV与IWV网络，生成对应的抵抗水印抹除的保护图像，再将水印图像添加到保护图像上，最后，使用上述三个对手网络分别执行水印抹除，观测本方案的防御效果。

从实验效果展示图中，可以看到，使用三个对手网络，可以有效将未受保护（也即没有“接种疫苗”）的图像上的水印信息识别出来，并进行精确清楚，此外，还可以保证水印去除后生成的图像在视觉质量上令人满意。相比之下，如果对原始图像先进行保护，再添加可见水印，则三个对手网络在去除水印的时候，都遇到了不同程度的问题，或是水印无法去除，或是水印去除后，无法在对应区域有效补全合理信息，导致图像整体视觉质量低下，或是将可见水印定位在图像中的不相关区域，导致图像遭到剧烈破坏。

在上表中，各客观评价指标汇报的是利用不同的水印去除网络将水印去除后，恢复图像与不含可见水印的原始图像之间的质量，作者首先发现，如果对目标图像添加随机噪声（Randomized Noise，RN），是无法防御上述三种方法移除水印的，而使用DWV和IWV，则可以显著防止这三种方法恢复出高质量的原始不含水印图像。

参考文献

[1] Cun, Xiaodong, and Chi-Man Pun. "Split then refine: stacked attention-guided ResUNets for blind single image visible watermark removal." In Proceedings of the AAAI Conference on Artificial Intelligence, vol. 35, no. 2, pp. 1184-1192. 2021.

[2] Hertz, Amir, Sharon Fogel, Rana Hanocka, Raja Giryes, and Daniel Cohen-Or. "Blind visual motif removal from a single image." In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 6858-6867. 2019.

[3] Liu, Yang, Zhen Zhu, and Xiang Bai. "Wdnet: Watermark-decomposition network for visible watermark removal." In Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision, pp. 3685-3693. 2021.

论文信息

Xinwei Liu, Jian Liu, Yang Bai, Jindong Gu, Tao Chen, Xiaojun Jia, Xiaochun Cao. Watermark Vaccine: Adversarial Attacks to Prevent Watermark Removal. ECCV, 2022.

论文链接：https://arxiv.org/abs/2207.08178

代码链接：https://github.com/thinwayliu/Watermark-Vaccine

（本文由复旦大学多媒体智能安全实验室应祺超撰稿介绍）

声明：本文来自隐者联盟，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。