🤖 machine learning

SPDMark: Selective Parameter Displacement for Robust Video Watermarking

يُعدّ SPDMark إطار عمل مبتكر للعلامات المائية في مرحلة التوليد، يستخدم إزاحة معلمات انتقائية قائمة على تقنية LoRA لدمج علامات مائية غير مرئية ومتينة في الفيديوهات المُولَّدة، مما يتيح استعادة الرسائل بدقة عالية وتحديد التلاعب الزمني حتى بعد التعديلات الشائعة على الفيديو.

المؤلفون الأصليون: Samar Fares, Nurbek Tastan, Karthik Nandakumar

نُشر 2026-04-02

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Samar Fares, Nurbek Tastan, Karthik Nandakumar

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك اشتريت للتو كاميرا جديدة تمامًا وعالية التقنية، يمكنها تخيل أفلام كاملة بمجرد الاستماع إلى صوتك. تطلب منها "صنع فيديو لقط يمارس ركوب الأمواج"، وفجأة—ها هو ذا أمامك. ولكن تكمن المشكلة هنا: أي شخص يمكنه استخدام هذه الكاميرا، وبمجرد نشر الفيديو، كيف ستعرف من صنعه؟ كيف تثبت أنه لم يتم تزييفه أو سرقته؟

هنا يأتي دور SPDMark. فكر فيه كأنه نظام علامة مائية رقمية يخفي معرفًا سريًا داخل الفيديو نفسه، ولكن مع لمسة ذكية للغاية.

إليك التوضيح البسيط لكيفية عمله، باستخدام بعض التشبيهات من الحياة اليومية:

1. المشكلة: "الملاحظة اللاصقة" مقابل "الحبر"

معظم الطرق القديمة لوضع العلامات المائية على الفيديوهات تشبه لصق ملاحظة لاصقة (Post-it note) على لوحة فنية. أنت تأخذ الفيديو النهائي وتضع فوقه ملاحظة رقمية.

الجانب السلبي: إذا قام شخص ما بقص الفيديو، أو ضغطه، أو تعديله، فقد تسقط تلك الملاحظة. كما أن لصق الملاحظة يستغرق وقتًا وطاقة إضافية.

تحاول طرق أخرى مزج الحبر داخل الطلاء أثناء عملية الرسم، لكنها غالبًا ما تجعل اللوحة تبدو غريبة (مثل كتلة ضبابية) أو تتطلب من الفنان التوقف وإعادة تعلم كيفية الرسم في كل مرة يريد فيها وضع توقيعه.

2. حل SPDMark: "تعديل الوصفة السرية"

إن SPDMark مختلف. فبدلاً من الرسم فوق الفيديو أو لصق ملاحظة عليه، فإنه يغير الوصفة التي يستخدمها الذكاء الاصطناعي لإنشاء الفيديو.

تخيل أن مولد فيديو الذكاء الاصطناعي هو طاهٍ ماهر لديه كتاب طبخ ضخم ("النموذج").

الطريقة القد القديمة: يطبخ الشيف الطبق، ثم يضيف توابل سرية في النهاية.
طريقة SPDMark: يمتلك الشيف مجموعة خاصة من ملاقط التوابل المغناطيسية المتصلة بصفحات كتاب الطبخ. قبل الطبخ، يقوم الشيف باستبدال بعض الملاقط المحددة بناءً على رمز سري ("المفتاح").

لأن الشيف يستخدم ملاقط مختلفة قليلاً، فإن الحساء (الفيديو) سيكون له نفس المذاق تمامًا بالنسبة لسانك (عينيك)، ولكنه يحتوي على بصمة كيميائية خفية لا يستطيع تذوقها إلا كاشف محدد.

3. كيف يعمل: تشبيه "الليغو" (Lego)

تستخدم الورقة تقنية تسمى LoRA (التكيف منخفض الرتبة). لننظر إلى نموذج الذكاء الاصطناعي كقلعة ليغو ضخمة.

القلعة: مولد الفيديو بالكامل هو هيكل ليغو ضخم ومعقد.
الإزاحة: لا يقوم SPDMark بإعادة بناء القلعة بأكملها. بدلاً من ذلك، لديه صندوق صغير من قطع الليغو الخاصة والقابلة للتبديل (تسمى "إزاحات الأساس" أو basis shifts).
المفتاح: لديك مفتاح سري (مثل كلمة المرور). بناءً على تلك الكلمة، يختار النظام مزيجًا محددًا من هذه القطع الخاصة ويستبدلها في القلعة.
النتيجة: تبدو القلعة متطابقة للعين المجردة. ولكن إذا كان لديك المفتاح الصحيح والكاشف المناسب، يمكنك النظر إلى القلعة وقول: "آه! أرى قطعة حمراء في البرج وقطعة زرقاء في الجدار. هذا يثبت أن هذه القلعة بُنيت بوصفة خاصة بي".

4. سحر "إطار بإطار"

الفيديوهات مخادعة لأنها تتحرك. إذا قام شخص ما بقص مشهد أو تبديل ترتيب المشاهد، فإن العلامة المائية العادية ترتبك.

SPDMark يشبه منح كل إطار في الفيديو بطاقته التعريفية الفريدة.

التشبيه: تخيل فيلمًا حيث يحتوي كل إطار فيه على رقم تسلسلي صغير غير مرئي.
عمل المحقق: إذا حاول شخص سيء قطع منتصف الفيلم أو تبديل مشهدين، فإن كاشف SPDMark ينظر إلى الأرقام التسلسلية. إنه يستخدم لعبة مطابقة ذكية (تسمى "المطابقة ثنائية الأطراف القصوى" أو Maximum Bipartite Matching) ليعرف: "حسنًا، الإطار 1 يطابق الإطار 1، ولكن الإطار 5 مفقود، والإطار 10 في المكان الخاطئ".
النتيجة: هو لا يكتفي بالقول "هذا الفيديو مزيف"، بل يقول: "هذا الفيديو حقيقي، ولكن شخصًا ما سرق الجزء الأوسط واستبدل النهاية". يمكنه تحديد مكان حدوث التلاعب بدقة.

5. لماذا يعد هذا أمرًا بالغ الأهمية؟

غير مرئي: لا يمكنك رؤية العلامة المائية. يبدو الفيديو مثاليًا.
قوي: حتى لو قمت بتصغير الفيديو، أو تحويله إلى الأبيض والأسود، أو تقطيعه، فإن "تعديل الوصفة" السري لا يزال موجودًا لأنها مدمجة في الحمض النووي لإنشاء الفيديو.
سريع: لا يبطئ عملية إنشاء الفيديو. "تبديل الوصفة" يحدث فورًا.
لا يتطلب إعادة تدريب: لا تحتاج لتعليم الذكاء الاصطناعي لغة جديدة في كل مرة تريد فيها علامة مائية جديدة. ما عليك سوى تغيير "المفتاح" (كلمة المرور)، وسيقوم النظام باختيار مجموعة مختلفة من قطع الليغو.

الملخص

SPDMark يشبه المزور الماهر الذي لا يكتفي بالتوقيع على لوحة فحسب، بل يغير ببراعة ملمس القماش والتركيب الكيميائي للطلاء أثناء رسمه. بالنسبة للعين المجردة، هي تحفة فنية مثالية. ولكن بالنسبة للخبير الجنائي الذي يمتلك المفتاح الصحيح، فإنها تصرخ: "لق lُ صنعت بواسطة هذا الشخص تحديدًا، في هذا الوقت المحدد، وإليك بالضبط الأجزاء التي تم تعديلها من القصة!".

إنها طريقة آمنة، غير مرئية، وغير قابلة للكسر لإثبات أن فيديو الذكاء الاصطناعي هو بالفعل ما يدعيه.

إليك ملخص تقني مفصل لورقة البحث بعنوان "SPDMark: الإزاحة الانتقائية للمعلمات من أجل العلامات المائية للفيديو المتينة".

1. بيان المشكلة

أدى التقدم السريع في نماذج توليد الفيديو عالية الجودة (مثل Sora وStable Video Diffusion) إلى خلق حاجة ملحة للعلامات المائية المتينة لتتبع مصدر المحتوى المولد بواسطة الذكاء الاصطناعي ومنع إساءة الاستخدام. تواجه طرق العلامات المائية الحالية للفيديو "ثلاثية" حيث تجد صعوبة في تحقيق الثلاثة معاً في آن واحد:

عدم الإدراك (Imperceptibility): يجب ألا تؤدي العلامة المائية إلى تدهور الجودة البصرية أو التماسك الزمني.
المتانة (Robustness): يجب أن تصمد العلامة المائية أمام الهجمات الشائعة (الضغط، القص، سقوط الإطارات، وإعادة الترتيب).
الكفاءة الحسابية (Computational Efficiency): يجب ألا تضيف الطريقة تأخراً كبيراً في المعالجة أو تتطلب إعادة تدريب مكثفة.

عيوب النهج الحالية:

الطرق اللاحقة (Post-hoc methods): تضيف تأخراً في المعالجة ولا يمكنها الاستفادة من الأولويات التوليدية (generative priors).
طرق فضاء الضجيج (مثل Tree-Ring): تعتمد على عكس DDIM، وهو أمر مكلف حسابياً وهش أمام الاضطرابات.
طرق الضبط الدقيق للنماذج (Model fine-tuning): غالباً ما تطبق تعديلاً موحداً أو توقيعات ثابتة واحدة، مما يحد من القدرة على اكتشاف التلاعبات الزمنية (مثل تبديل الإطارات) وغالباً ما تضر بجودة الفيديو.

2. المنهجية: SPDMark

إن SPDMark (الإزاحة الانتقائية للمعلمات) هو إطار عمل للعلامات المائية يتم أثناء عملية التوليد (in-generation). بدلاً من تشويه البكسلات أو ضجيج الانتشار، يقوم بدمج العلامات المائية عن طريق إزاحة معلمات النموذج التوليدي نفسه بشكل انتقائي.

الإطار الأساسي

الإزاحة الانتقائية للمعلمات (SPD): تقوم الطريقة بتعديل مجموعة فرعية من معلمات النموذج التوليدي ( $\Phi$ ) بناءً على مفتاح العلامة المائية ( $\kappa$ ). يتم تعريف النموذج المزاح كـ $\Phi + \Delta\Phi$ ، حيث تقوم $\Delta\Phi$ بتشفير المفتاح.
إزاحة الأساس عبر الطبقات (Layer-wise Basis Shifts): لجعل المشكلة قابلة للحل، يتم نمذجة إزاحة المعلمات $\Delta\Phi$ $ΔΦ$ كتركيبة إضافية من إزاحات الأساس منخفضة الرتبة المتعلمة.
- يتم تقسيم وحدة فك الترميز (decoder) الخاصة بالنموذج التوليدي إلى $L$ من الطبقات.
- لكل طبقة $\ell$ قاموس من $P$ من إزاحات الأساس $\{\zeta_{\ell,p}\}$ .
- يقوم قناع ثنائي $b(\kappa)$ ، مشتق من مفتاح العلامة المائية، باختيار إزاحات الأساس التي سيتم تفعيلها في كل طبقة.
- الصيغة: $\Delta\phi_\ell = \sum_{p=1}^{P} b_{\ell,p} \zeta_{\ell,p}$ .
التكيف منخفض الرتبة (LoRA): لضمان كفاءة المعلمات، يتم تنفيذ إزاحات الأساس $\zeta$ باستخدام LoRA (تفكيك المصفوفة منخفضة الرتبة، $A \times B$ حيث الرتبة $r \ll d$ ). يسمح هذا للنظام بدعم مفاتيح علامات مائية عشوائية دون الحاجة لإعادة تدريب النموذج بالكامل؛ حيث يقوم المفتاح ببساطة باختيار تركيبة مختلفة من الإزاحات المتعلمة مسبقاً.

العلامة المائية لكل إطار والمحاذاة الزمنية

رسائل فريدة لكل إطار: على عكس الطرق التي تدمج توقيعاً واحداً للفيديو بأكل، يقوم SPDMark بتوليد رسالة علامة مائية فريدة $\kappa_t$ لكل إطار $t$ . يتم ذلك باستخدام دالة هاش تشفيرية (مثل HMAC-SHA256) على مفتاح أساسي وفهرس الإطار.
الاستخراج والتحقق:
- المستخرج (Extractor): يقوم نموذج ResNet-50 خفيف الوزن باستخراج الرسالة من كل إطار بشكل مستقل.
- المتانة الزمنية: نظراً لأن الهجمات قد تؤدي إلى سقوط أو تبديل أو إدراج إطارات، فقد تكون الرسائل المستخرجة غير متوافقة زمنياً. يستخدم SPDMark المطابقة الثنائية القصوى (خوارزمية هنجاريان) لمحاذاة الرسائل المستخرجة مع التسلسل المتوقع بناءً على مسافة هامينج.
- اختبار الفرضية الإحصائية: يحدد اختبار إحصائي ما إذا كانت المحاذاة صالحة (للتمييز بين العلامات المائية الحقيقية والضجيج العشوائي) على مستويي الإطار والفيديو.

هدف التدريب

يتعلم النظام بشكل مشترك إزاحات الأساس ( $\zeta$ ) ومستخرج العلامة المائية ( $V_\eta$ ) عن طريق تقليل دالة خسارة مشتركة:

خسارة استعادة الرسالة: استخدام التقاطع العرضي الثنائي (Binary cross-entropy) لضمان استعادة المستخرج للبتات الصحيحة.
خسارة عدم الإدراك (Imperceptibility Loss):
- التشابه الإدراكي (LPIPS): يضمن أن الفيديو الذي يحمل العلامة المائية يشبه الأصل.
- الاتساق الزمني: يقلل من الوميض (flickering) من خلال ضمان انتقال سلس في السطوع بين الإطارات المتتالية.

3. المساهمات الرئيسية

إطار عمل SPDMark: مخطط مبتكر للعلامات المائية أثناء التوليد باستخدام الإزاحة الانتقائية للمعلمات لدمج علامات مائية متعددة المفاتيح في نماذج انتشار الفيديو دون إعادة التدريب لكل مفتاح.
التنفيذ القائم على LoRA: تحقيق عملي باستخدام إزاحات الأساس منخفضة الرتبة، مما يتيح علامات مائية محددة لكل إطار بكفاءة عالية مع عبء ضئيل جداً على عملية الاستنتاج.
التحقيق الجنائي الزمني: آلية لدمج رسائل فريدة لكل إطار واستخدام المطابقة الثنائية لاكتشاف وتحديد التلاعبات الزمنية (سقوط، تبديل، أو إدراج الإطارات).
تقييم شامل: إثبات المتانة عبر نماذج (text-to-video) و(image-to-video) ضد مجموعة واسعة من الهجمات.

4. النتائج التجريبية

قام المؤلفون بتقييم SPDMark على نموذجين: SVD-XT و ModelScope.

دقة استخراج العلامة المائية:
- حقق دقة بتات بلغت 99.5% في SVD-XT و 98.8% في ModelScope.
- تفوق على أو عادل أفضل الطرق المرجعية (VideoShield, VideoSeal, VidSig) في دقة الاستخراج.
جودة الفيديو (عدم الإدراك):
- حقق SPDMark أعلى درجات اتساق الموضوع (SC) و سلاسة الحركة (MS) بين جميع الطرق المختبرة، مما يشير إلى أن إزاحة المعلمات تحافظ على البنية الزمنية الأساسية بشكل أفضل من طرق التعديل الموحد.
- أظهرت المقارنات البصرية عدم وجود أي عيوب ملحوظة.
المتانة:
- متوسط المتانة: 93.5% (SVD-XT) و 93.9% (ModelScope) عبر 16 نوعاً مختلفاً من الهجمات.
- الهجمات الزمنية: تفوق بشكل ممتاز في التعامل مع سقوط وتبديل وإدراج الإطارات، محققاً استعادة محاذاة شبه مثالية (F1 > 0.99).
- الهجمات الهندسية/الضوئية: تفوق بشكل كبير على طرق فضاء الضيب (مثل VideoShield) في المتانة ضد القص، التدوير، واضطراب الألوان.
دراسات الاستئصال (Ablation Studies):
- أدت زيادة سعة الحمولة (مزيد من البتات لكل إطار) إلى تقليل الدقة قليلاً تحت ميزانية تدريب ثابتة، لكن خطوات التدريب الإضافية استعادت معظم المتانة المفقودة.
- الطريقة متينة تجاه الاختلافات في خطوات الانتشار (diffusion steps) ومقاييس التوجيه (guidance scales).

5. الأهمية

يمثل SPDMark تحولاً كبيراً في العلامات المائية للفيديو من خلال الابتعاد عن اضطرابات فضاء الضجيج أو المعالجة اللاحقة نحو التلاعب بفضاء المعلمات. تكمن أهميته في:

القابلية للتوسع: يدعم العلامات المائية متعددة المفاتيح دون الحاجة لإعادة التدريب لكل مفتاح، مما يجعله قابلاً للتطبيق على نطاق واس_ع.
القدرة الجنائية: من خلال دمج رسائل فريدة لكل إطار، فإنه يتيح اكتشاف كيفية التلاعب بالفيديو (على سبيل المثال، تحديد الإطارات التي تم تبديلها أو إسقاطها بالضبط)، وهي قدرة تفتقر إليها العديد من المخططات الحالية.
الكفاءة: يتجنب التكلفة الحسابية لعكس DDIM ويضيف عبئاً ضئيلاً جداً على عملية التوليد.
الواقعية: يقدم توازناً بين دقة الكشف، جودة الفيديو، والمتانة، مما يعالج الحاجة الماسة لتتبع المصدر في عصر الذكاء الاصطناعي التوليدي.