生成图水印的前沿研究与展望

随着人工智能生成内容(Artificial Intelligence Generated Content,AIGC)带来的深度合成浪潮,数字水印技术作为图像取证领域中的一种主动防御手段,被广泛应用于识别生成内容和模型的版权保护。因此,生成图水印越来越受到研究者的关注。首先,介绍了生成图水印的研究背景,从模型版权保护和AIGC监管两个角度介绍生成图水印的研究动机。接着,基于生成模型和水印技术的发展引出了生成图水印问题,将水印根据是否参与生成过程分为两类,并对这两类生成图水印的现状进行了详细的梳理和介绍。随后,对现有的生成图水印方法进行评估,在传统水印需满足的鲁棒性、不可察觉性和容量基础上,进一步提出了针对生成图水印的新要求。最后,指出生成图水印中有待进一步解决的问题及发展趋势。

基于后门的鲁棒后向模型水印方法

深度学习模型的训练成本高,但窃取成本低,容易被复制并扩散。模型的版权拥有者可以利用后门等方式在模型中嵌入水印,通过验证水印来证明模型版权。根据水印嵌入阶段的不同,模型水印又可分为前向模型水印和后向模型水印,前向模型水印在模型训练之初就嵌入水印,而后向模型水印的嵌入发生在模型原始任务训练完成后,计算量小,更为灵活。但是已有的后向模型水印方法鲁棒性较弱,不能抵抗微调、剪枝等水印擦除攻击。分析后向模型水印鲁棒性弱于前向模型水印的原因,在此基础上,提出一种通用的鲁棒后向模型水印方法,在水印嵌入时引入对模型中间层特征和模型输出的约束,减小水印任务对原始任务的影响,增强后向模型水印的鲁棒性。在CIFAR-10、CALTECH-101、GTSRB等数据集上的实验结果表明,该方法能有效提升后向模型水印在微调攻击下的鲁棒性,CIFAR-10数据集实验中的最优约束设置与后向模型水印基线相比,水印验证成功率平均提升24.2个百分点,同时,该方法也提升了后向模型水印在剪枝等攻击下的鲁棒性。

一种基于认证文件的双方验证模型水印方案

随着边缘计算框架和联邦学习协议的结合,越来越多的深度学习模型版权保护工作被提出,但仅从发送方角度进行所有权验证,无法为接收方提供帮助。大量研究指出,在端-边-云联邦学习系统中,存在恶意用户试图无贡献获取公共模型,甚至向公共模型投毒,为此,有必要给接收方提供模型所有权验证方案。该研究在现有神经网络水印方案的基础上,提出了一种基于认证文件的双方验证模型水印方案,添加了认证文件生成步骤,并以模型结构调整实现双方对模型的所有权验证。通过实验验证了所提方案的可行性、鲁棒性以及获得的水印嵌入速度提升。

基于显著图的高隐蔽性模型指纹算法

在核心任务场景下训练深度神经网络(DNN)需要越来越多的算力资源,这刺激了基于云端预测API接口的模型的窃取与盗用,同时也违反了模型所有者的知识产权.为了追踪公开的非法模型副本,深度神经网络的模型指纹技术为希望保持模型完整性的模型所有者提供了一种强大的版权验证方案.然而,现有的模型指纹方案主要基于输出层面的内在痕迹(例如:特定输入样本下的错误预测行为),这导致在模型指纹验证阶段缺乏隐蔽性.本文基于模型预测时的显著图(saliency map)痕迹,提出了一种全新的任意下游任务通用的模型指纹方案.本文的方案提出了受约束的显著图操控目标,构建标签不变和自然的指纹样本,显著提高了模型指纹的隐蔽性.根据对3种典型任务场景下全面的评估结果,本文提出的方法被证明能够显著地增强现有方案的指纹版权验证的效果,同时保持高度的模型指纹隐蔽性.

人工智能生成内容模型的数字水印技术研究进展

人工智能(AI)正在改变世界,人工智能生成内容(AIGC)是当前最前沿的技术之一。探讨人工智能生成内容的演变历程,介绍从AI到AIGC的技术变迁,讨论AIGC引发的相关问题和挑战以及应对策略。同时,关注全球范围内的法律法规和国际动向,分析不同国家和组织在人工智能监管方面采取的举措,尤其是中国在全球AI治理中的贡献。着重介绍的是AIGC模型的数字水印(DigitalWatermarking)技术。数字水印已有多年发展的历史,在多媒体确权、防伪、认证等方面发挥了重要作用,随着AIGC的兴起,数字水印在模型保护、内容溯源、样本保护等方面又开始发挥新的作用。关于AIGC模型的数字水印技术研究进展的介绍,将为理解AIGC安全领域的发展提供新的视角维度,为研究AIGC领域的应用实践提供参考。

人工智能生成物著作权的归属模式建构

关于人工智能,学界对其主体资格的认定存在分歧。从著作权法的一般原理来看,人工智能无法像自然人一样享有权利和履行义务,其处于附属地位并辅助人类创作。随着人工智能技术的加强,人工智能具备自主性特征,能独立思考并作出相应决策。基于此,结合人工智能生成作品著作权归属存在的四种模式,用我国著作权法律制度为人工智能生成物提供有效的排他性保护,需要厘清人工智能的作者身份并从人工智能及其使用者和利益平衡的角度出发,为人工智能著作权归属提供一个完整的合理制度支持。

基于注意力机制和护照层嵌入的图像处理模型水印方法

随着深度神经网络在人工智能领域的广泛应用,深度神经网络的版权保护受到广泛关注.然而,到目前为止模型版权保护的方法大多集中在检测或分类任务上,难以直接应用于图像处理网络.为此,提出一种结合注意力机制和护照层嵌入的图像处理模型版权保护框架.首先通过在水印嵌入网络中使用通道和空间注意力网络定位图像中人眼不敏感区域,提高水印的鲁棒性和不可感知性.其次在目标模型的卷积层后插入护照层水印提高抵御混淆攻击的能力,最后结合结构一致性、护照层因子等设计组合损失引导模型收敛方向.超分辨率模型SRGAN和语义分割模型CycleGAN上的实验结果表明,该方法的水印提取率超过98%,并对代理攻击和混淆攻击具有较好的鲁棒性.

大语言模型发展的版权掣肘及其治理——以美国版权集体诉讼的实践为视角

生成式人工智能大语言模型的训练和应用在美国引起大规模版权集体诉讼,版权问题成为大语言模型发展的首要障碍。在风险类型上,大语言模型版权集体诉讼引发了伴生性的法律风险、经济风险以及创新风险。以公开听证凝聚社会共识,以能动司法缓冲版权矛盾,以行业自治消弭版权风险,是美国应对大语言模型版权集体诉讼的三种重要策略,体现了创新优先的治理思路。我国大语言模型正处于研发和应用的关键阶段,目前已面临类似风险。美国经验作为“前车之鉴”,对我国大语言模型版权治理具有重要的参照意义。我国的版权治理对策在宏观层面应当坚持“创新优先”的价值导向,在中观层面应当采取“多元协同”的治理模式,在微观层面则应当引入“人工智能训练合理使用”类型。

基于模型剪枝的深度神经网络分级授权方法的实现

基于现有深度神经网络模型无法根据使用权限进行分级授权的问题,设计提出了一种新型的DNN模型分级授权方法,其可以根据模型权限不同分发不同模型精度。该方法依据模型剪枝技术实现了模型性能的分级,利用特定的剪枝速率或剪枝阈值对模型进行剪枝和微调,通过在剪枝和微调阶段对模型进行调整从而使模型输出不同等级的准确率,最后将不同的用户权限与对应等级的准确率相匹配。在多个数据集和DNN模型上进行了实验,并利用CIFAR-10和CIFAR-100数据集进行验证。实验结果表明,该方法能够有效地将模型的性能分级,在多个DNN模型上都有良好的效果。

数字版权时代作品类型开放式条款的司法适用研究

2020年《著作权法》第3条作品类型兜底条款的表述修改为“符合作品特征的其他智力成果”,表明作品类型模式由封闭式转为开放式,为非典型数字产品的可版权性提供了理论上的可行性。但在新类型表达确权的实践需求中,作品类型开放式条款的司法适用仍存在背离民事基本法原则、客体范围呈现不确定性以及徒增司法成本等难题。在作品类型开放化成为现行著作权法发展的主流趋势下,基于著作权法体系的稳定性,开放式条款在法律适用中应以是否符合作品要件为前提,优先归类于例示作品类型,同时参照例示作品的保护规则,克服作品类型开放立法模式与司法理性之不足,维护著作权保护与数字技术发展之间的平衡。

加快建设人工智能大模型中文训练数据语料库

人工智能大模型产业发展的三要素为算法、算力与数据,其中训练数据语料库的质量直接决定了人工智能大模型的能力。中文数据语料总量相较英文数据语料严重不足,同时存在数据采集行为违法风险较高、公共数据开放利用不足、线下结构化数据版权制度不协调、商业采购与合作数据无法确定数据权属等障碍,其已成为制约人工智能发展的制度瓶颈。发展我国人工智能大模型产业可通过司法判例明确网络数据来源合法性认定条件,协调版权规则确定线下数据使用合理性制度边界,构建开放机制满足公共数据参与语料库建设需求,协同促进跨领域数据流通交易规则建立供给激励,多方破除制度障碍以应对产业发展需求。

基于人工智能的数字媒体艺术创作方法研究

数字化时代,人工智能(AI)的迅猛发展正在深刻影响着艺术创作的方式与形式。基于人工智能的数字媒体艺术创作方法,深入分析现有文献和研究成果,从技术方法、创作流程、面临的挑战、未来的发展方向等角度揭示人工智能在艺术创作中的具体应用与技术实现,以期为这一新兴领域的研究者和从业者提供全面的理论指导和实践参考。虽然人工智能在数字媒体艺术创作中具有显著的潜力和优势,但仍需通过高质量数据处理、优化模型架构、利用云计算资源及制定版权与伦理规范来克服现有挑战,从而推动这一领域的可持续发展和创新。

三维模型数字水印综述

对当前三维模型数字水印的国内外研究现状进行了系统地阐述.讨论了三维模型数字水印的特点及基本要求;根据水印算法的工作域不同,把三维模型数字水印算法分为空域算法和变换域算法,并对其中的典型算法进行了分析比较;对三维模型数字水印的性能评测进行了研究;对目前三维模型数字水印研究中的难点问题及未来研究重点进行了展望.

水印关系数据库

数据库应用的快速发展需要水印数据库 ,这是数据所有权保护问题。首先介绍了云模型知识 ,然后提出了一种基于云模型的水印关系数据库技术 ,给出了关系数据库云水印嵌入和检测提取方法 ,并对实验结果进行了讨论分析。最后展望了水印关系数据库的前景和研究发展方向。

云环境下的版权交易模式及其知识产权风险

云环境下,版权因其独特性成为受影响最为深刻的知识产权类型。云环境从版权产生、流转、利用的全生命周期改变了其交易内容、主体及环境,为版权交易带来机遇和风险。文章通过对版权市场的调研,探讨云环境下版权交易的变化,认为云服务系统成为新的版权交易基础,集体管理组织和云服务提供商成为新的交易服务机构,授权许可协议成为主要交易方式,版权消费者行为分散化与集中化趋向结合。根据交易的新变化和交易模式的沿革,文章从技术视角创新试构云环境下版权交易的新模式。基于此模式,从法律视角探析云环境下版权交易的知识产权风险,总结和讨论包括基础理论、基础服务、服务机构、交易方式、消费者行为等方面的知识产权风险,思考版权交易保护的研究与实践方向。

区块链与数字水印相结合的地理数据交易存证及版权保护模型

为有效解决地理数据交易过程中交易双方互信问题,本文提出了一种结合零水印、IPFS和智能合约技术的地理数据交易存证与版权保护模型。该模型利用区块链结合IPFS网络构建了一种新型的零水印注册机制,消除了对第三方IPR机构的依赖,还通过智能合约的设计在零水印注册的同时将交易信息上链永久存证,实现零水印注册的时间戳认证。模型中区块链存证的不可篡改性与智能合约自动执行的运行机制使交易双方能够在无第三方监管的情况下,达成共识、实现互信。在模型基础上,以开放联盟链作为智能合约开发平台,实现了地理数据交易存证与版权保护系统。利用本系统,交易双方可调用智能合约获取链上交易凭证,再通过从IPFS网络下载的零水印提取数据的水印信息,最终结合交易凭证与水印信息进行数据版权确认与来源追溯,进而有效地维权或解决纠纷。试验表明,本文提出的方法能够同时保障交易双方权益并保护交易数据安全。

体育赛事节目著作权保护比较法证成

当前体育赛事节目著作权保护上的分歧,主要表现在体育赛事节目是否是作品以及体育赛事节目传播行为应归于何种著作财产权两个方面。在反不正当竞争法保护存在先天不足的情况下,为了解决涉体育赛事节目侵权纠纷缺乏稳定裁判规则和预期的问题,确定体育赛事节目著作权客体类型显得刻不容缓。从立法论角度出发,立足体育赛事节目的特征,肯定体育赛事节目的"独创性",在现有著作权客体类型中将其确定为以类似摄制电影的方法创作的作品有利于实现各方利益最大化。基于目前我国体育赛事节目纠纷大多数适用反不正当竞争法规制但仍然争议不断的情况,借鉴体育产业发达的美国和英国著作权法保护模式,构建我国体育赛事节目的著作权法保护模式十分必要。

试论中国著作权集体管理模式的选择

运用比较研究的方法,分析两种传统的著作权集体管理模式的差异,评介中国著作权集体管理的相关法律规定,认为中国实际上选择了"排斥竞争,维持垄断"的管理模式,这有可能导致滥用垄断地位的问题。因此,应结合著作权集体管理的自身特点和中国的实际情况,尝试构建"有限竞争,合理垄断"的著作权集体管理模式。

构造顶点分布特征的三维模型数字水印算法

为了提高三维模型非盲数字水印算法对抗高强度攻击及联合攻击的鲁棒性,提出一种构造顶点分布特征的三维模型数字水印算法.该算法融合零水印和嵌入式水印算法的思想,利用顶点范数的取值分布建立顶点分布特征;然后基于顶点分布特征构造数字水印,并由此水印强化这一特征,使数字水印与三维模型特征彼此契合、更加稳定.实验结果表明,文中算法能有效地抵抗平移、旋转、均匀缩放、顶点重排序、噪声、简化、剪切、量化、平滑和细分等常见攻击,对联合攻击也有较强的抵抗能力.

孤儿作品版权保护的三大模式评析

随着数字化和网络化的快速发展,孤儿作品的保护和使用已成为版权界关注的热点问题。为寻求解决方案,许多国家在立法和司法活动中进行了大量的探索和实践。就孤儿作品的保护和使用,现已形成扩展性集体授权、非自愿许可和责任限制三种主要模式。这三种模式在孤儿作品的认定、合理使用和权利救济等方面做出不同程度的规定,对完善我国孤儿作品的版权保护颇具启发意义。