.png){kind=icon}
返回
Robust watermarking for diffusion models using error-correcting codes and post-quantum key encapsulation
.png){kind=icon}
PRE
AI
DOI：10.3389/fphy.2025.1750515.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
关键基础设施日益依赖AI生成内容（AIGC）进行监控、决策支持和自主控制。这种依赖性创造了新的攻击面：伪造的维护图像、篡改的诊断扫描或欺骗的传感器可视化可触发不安全操作、违规行为或系统性中断。本文提出了一种面向关键基础设施安全的后量子水印框架。我们直接将鲁棒性溯源标记嵌入扩散模型的潜在空间中，而非像素级别，并利用纠错码（ECC）进行增强，以确保在压缩、裁剪、噪声注入和滤波等剧烈失真后仍能恢复水印。为保护水印密钥在传输和静止状态下的安全，我们集成了Kyber（一种为后量子密码学标准化的格基密钥封装机制），以抵御量子计算支持的拦截对水印流密钥的威胁。该方案（i）保持视觉保真度，（ii）在敌对条件下支持可靠的法证归因和可审计性，（iii）在后量子时代保持密码学安全性。实验表明，所提出的ECC强化的潜在空间水印在各类攻击下均能实现高提取精度，同时保持图像质量，优于当前最先进的扩散水印基准。我们定位该水印-加密流水线作为下一代关键基础设施中实现隐私感知的可追溯性、零信任验证和抗量子内容治理的使能机制。
Keyword:
critical infrastructure security
diffusion model
diffusion models
error-correcting codes
infrastructure resilience
kyber
post-quantum cryptography
privacy and provenance
期刊
F
IF:
2.1
论文数:
243
被引数:
0
机构
引用论文
.png){kind=icon}
分享收藏
AIGC challenges and opportunities related to public safety: A case study of ChatGPTAIGC与公共安全相关的挑战和机遇: 以ChatGPT为例
OAAI
OAAI分享收藏
查看更多内容