“水印疫苗”：基于對抗擾動技術防止可見水印去除
責編：gltian ｜2022-07-26 14:24:34
可見水印是一種十分常見的安全工具，被廣泛使用于數字圖像版權保護中，但是，最近的一系列工作表明，基于深度神經網絡（Deep Neural Networks, DNN）可以有效去除可見水印，并會對圖像進行自動補全。這類水印去除技術對于圖像的版權構成極大安全威脅。
本文提出利用對抗擾動技術預防圖像可見水印抹除，稱為“水印疫苗”，防止用于標記圖像版權等重要信息的水印被惡意抹除。文中提出兩種技術：破壞型水印疫苗（Disrupting Watermark Vaccine，DWV）以及不可擦除型水印疫苗（Inerasable Watermark Vaccine，IWV）。如果對目標圖像加入DWV“疫苗”，則如果攻擊者利用盲水印去除網絡對被注入疫苗的圖像進行修改，企圖抹除水印，則會導致該圖像被劇烈修改，破壞可讀性與可使用性；如果對圖標圖像加入IWV“疫苗”，則攻擊者無法使用盲水印去除網絡將被注入疫苗的圖像上的水印。該技術的直觀實驗效果如下圖所示。
作者受到DNN在對抗擾動上的脆弱性的啟發，通過對抗學習技術提出了新穎的防御機制，將目前領先（State-of-the-art）的水印去除網絡作為目標模型，優化原始圖像，添加人眼不易察覺的擾動信息，來主動攻擊水印去除網絡。
作者使用CLWD (Colored Large-scale Watermark Dataset)數據集進行圖像保護實驗，該數據集包含三部分圖像，分別是無水印原始圖像，水印圖像（通常為logo或文本框）與含密圖像。作者首先使用CLWD數據集，訓練了三個領先的可見水印去除網絡[1-3]，用作對手網絡，接著，將無水印原始圖像送入提出的DWV與IWV網絡，生成對應的抵抗水印抹除的保護圖像，再將水印圖像添加到保護圖像上，最后，使用上述三個對手網絡分別執行水印抹除，觀測本方案的防御效果。
從實驗效果展示圖中，可以看到，使用三個對手網絡，可以有效將未受保護（也即沒有“接種疫苗”）的圖像上的水印信息識別出來，并進行精確清楚，此外，還可以保證水印去除后生成的圖像在視覺質量上令人滿意。相比之下，如果對原始圖像先進行保護，再添加可見水印，則三個對手網絡在去除水印的時候，都遇到了不同程度的問題，或是水印無法去除，或是水印去除后，無法在對應區域有效補全合理信息，導致圖像整體視覺質量低下，或是將可見水印定位在圖像中的不相關區域，導致圖像遭到劇烈破壞。
在上表中，各客觀評價指標匯報的是利用不同的水印去除網絡將水印去除后，恢復圖像與不含可見水印的原始圖像之間的質量，作者首先發現，如果對目標圖像添加隨機噪聲（Randomized Noise，RN），是無法防御上述三種方法移除水印的，而使用DWV和IWV，則可以顯著防止這三種方法恢復出高質量的原始不含水印圖像。
參考文獻
[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.
論文信息
Xinwei Liu, Jian Liu, Yang Bai, Jindong Gu, Tao Chen, Xiaojun Jia, Xiaochun Cao. Watermark Vaccine: Adversarial Attacks to Prevent Watermark Removal. ECCV, 2022.
論文鏈接：https://arxiv.org/abs/2207.08178
代碼鏈接：https://github.com/thinwayliu/Watermark-Vaccine
（本文由復旦大學多媒體智能安全實驗室應祺超撰稿介紹）
來源:隱者聯盟