LiBRA：通过双向潜空间优化实现检测感知的图像水印移除

数字水印有助于追溯 AI 生成图像的来源，但其可靠性取决于对移除攻击的抵抗能力。一些攻击试图通过强制解码出的水印不同于原始水印来移除水印。然而，这可能产生一个仍可被检测到的反转水印，导致移除失败；而进一步尝试改变水印又可能不必要地降低图像质量。为解决这些局限，我们提出 LiBRA（Latent In-band Bidirectional Removal Attack），旨在保持图像质量的同时使水印无法被检测到。LiBRA 不会持续将水印推向反转状态，而是调整图像以隐藏水印，同时避免促使水印进一步变化而损害图像质量。有些攻击会持续将解码比特推离原始水印，即使进一步的变化只能维持可检测性并损害图像质量。在能够获取水印密钥和解码器的情况下，LiBRA 在公开自动编码器的潜空间中进行有界变化。不同于无法纠正过度反转的、由反转驱动的目标函数，LiBRA 从两个方向引导平均解码置信度趋近随机猜测水平。这有助于避免产生反转但仍可检测的水印。通过保留单个位的调整灵活性，图像质量约束可以倾向于选择损害较小的变化；此外，还可以使用可选的频率引导掩码限制这些变化的位置。我们采用精确的双侧二项检验验证移除效果，而不是假定置信度目标能够保证成功。