文本到图像模型的持久水印

文本到图像（T2I）生成越来越受到公众的欢迎，鉴于其昂贵的训练成本，推动了可靠机制的开发，以对此类模型进行版权保护。攻击者可能会在未经授权的情况下获取并重用预训练的 T2I 模型，然后通过 API 服务提供修改后的版本。此类修改可能源于普通的下游适应或故意删除所有权的尝试，包括输入提示预处理、模型微调和输出后处理。因此，从模型所有者的角度来看，一个关键的挑战是嵌入在此类变化下保持持久性的触发数据，同时保留模型的正常图像生成功能。在这项工作中，我们提出了一种对比式水印目标，其中一项明确鼓励水印模型在触发输入上的行为与原始模型不同。实验表明，在广泛的下游修改和有意削弱水印的尝试中，触发数据持久性比先前的方法要强得多，从而导致更高的检测率，通常接近 100% TPR@FPR<$10^{-4}$。