💻 computer science

Proof-of-Authorship for Diffusion-based AI Generated Content

تقترح هذه الورقة إطار عمل جديداً لإثبات الملكية خالياً من الأسرار للمحتوى المولد عبر الذكاء الاصطناعي القائم على الانتشار، والذي يستفيد من الربط التشفيري لبذور التوليد بهوية المؤلف، مما يتيح الفصل الاحتمالي في الادعاءات ويقدم حماية أقوى ضد ادعاءات الملكية الزائفة مقارنة بطرق العلامات المائية أو الختم الزمني التقليدية.

المؤلفون الأصليون: De Zhang Lee, Han Fang, Ee-Chien Chang

نُشر 2026-03-19

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: De Zhang Lee, Han Fang, Ee-Chien Chang

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 فنان ترسم لوحة جميلة باستخدام فرشاة سحرية تعمل بالذكاء الاصطناعي. تقضي ساعات في تعديل التعليمات (المطالبات/Prompts) وضبط الإعدادات للحصول على الصورة المثالية. فجأة، يدعي شخص آخر قائلاً: "أنا من صنع هذا!" ويحاول بيعها.

كيف تثبت أنها ملكك دون امتلاك كلمة سر سرية لا يعرفها أحد غيرك؟

تقدم هذه الورقة نظاماً جديداً ذكياً يسمى "إثبات التأليف" (Proof-of-Authorship) للفن المولد بالذكاء الاصطناعي. وبدلاً من إخفاء سر ما، فإنه يستخدم "بصمة رقمية" يستحيل تزييفها رياضياً.

إليك كيف يعمل الأمر، مقسماً إلى مفاهيم بسيطة:

1. المشكلة مع الطرق القديمة

مشكلة "الأسبقية في الادعاء": تخيل أنك وضعت طابعاً زمنياً على صورتك. يمكن لأي شخص أن يلتقط صورة ويضع عليها طابعاً زمنياً. كونك الأول في وضع الطابع لا يثبت أنك صنعتها؛ بل يثبت فقط أنك كنت الأول في الادعاء بأنك صنعتها.
مشكلة "العلامة المائية السرية": تحاول الطرق التقليدية إخفاء رمز سري داخل الصورة (مثل رسالة مخفية في لوحة). لكن المخترقين يمكنهم غالباً العث ث هذه الأسرار أو إزالتها، أو يمكنهم تزوير رمز سري خاص بهم والادعاء: "انظروا، رمزي السري موجود أيضاً في الصورة!" وهذا يخلق موقفاً مربكاً حيث يبدو كلاهما على حق.

2. الحل الجديد: بصمة "الوصفة"

أدرك المؤلفون أنه مع فن الذكاء الاصطناعي، يمتلك المبدع ميزة خاصة: وهي أنه يختار نقطة البداية.

تخيل توليد صورة بالذكاء الاصط artificial intelligence مثل خبز كعكة:

المطالبة (The Prompt) هي الوصفة (مثلاً: "قطة على لوح تزلج").
النموذج (The Model) هو الفرن والطباخ.
البذرة (The Seed) هي دفعة الدقيق المحددة التي تبدأ بها.

في الأيام الخوالي، كان الذكاء الاصطناعي يلتقط أي كيس دقيق عشوائي. ولكن في هذا النظام الجديد، يختار المؤلف بالضبط كيس الدقيق بناءً على اسمه ووصفته.

الخدعة السحرية:
يأخذ النظام اسمك، والوصفة، ورقماً عشوائياً اخترته أنت، ويمزجهم معاً باستخدام قفل رياضي خاص (يسمى دالة عشوائية زائفة تشفيرية - Cryptographic Pseudorandom Function). هذا ينتج "بذرة" فريدة.

ولأن طريقة عمل الرياضيات هكذا، فإذا استخدمت اسمك وبذرتك الخاصة، ستحصل على كعكة محددة. وإذا حاول لص استخدام اسمه لصنع نفس الكعكة، فإن الرياضيات تقول إنه من المستحيل ذلك. سيتعين عليه تخمين البذرة الصحيحة من بين مليارات المليارات من الاحتمالات.

3. "المُحكّم الاحتمالي" (القاضي الذكي)

عندما تدعي أن صورة ما ملكك، فأنت لا تكتفي بالقول: "إنها لي". بل تحضر معك مُحكماً احتمالياً (قاضياً حاسوبياً ذكياً) إلى المحكمة.

إليك تفاصيل المحاكمة:

أنت تقول: "لقد صنعت هذه الصورة باستخدام الاسم 'أليس'، والوصفة 'قطة'، والبذرة '12345'".
يقوم القاضي بتشغيل محاكاة: يأخذ القاضي اسمك، ووصفاتك، وبذرتك، ثم يطلب من الذكاء الاصطناعي خبز الكعكة مرة أخرى.
المقارنة: يقارن القاضي بين الصورة الأصلية التي تدعي أنها لك، وبين الصورة الجديدة التي خبزها الذكاء الاصطناعي للتو.
- إذا تطابقتا تماماً: رائع! من المرجح أنها لك.
- الفحص الرياضي: يسأل القاضي بعد ذلك: "ما هي احتمالية أن يقوم غريب عشوائي، باختيار بذرة عشوائية، بخبز كعكة تشبه كعكتك بهذا القدر من التشابه بالصدفة؟"

النتيجة: تُظهر الرياضيات أن احتمالات أن يخبز شخص غريب بالصدفة كعكة تشبه كعكتك بنسبة 99.9% هي أقل من احتمالية الفوز باليانصيب يومياً لمدة عام كامل (تحديداً، أقل من 1 في $2^{50}$ ).

إذا كانت الاحتمالات منخفضة إلى هذا الحد، يقول القاضي: "من المستحيل إحصائياً أن يكون هذا مجرد مصادفة. يجب أن تكون أنت المؤلف".

4. لماذا هذا أفضل؟

لا حاجة لأسرار: لست بحاجة لإخفاء كلمة مرور. يمكنك نشر اسمك، ووصفاتك، وبذرتك للعالم أجمع. حتى لو عرف الجميع هذه المعلومات، لا يمكن لأحد تزييفها لأن الرياضيات تمنع ذلك.
المتانة (Robustness): حتى لو حاول شخص ما قص الصورة، أو إضافة مرشح (Filter)، أو ضغطها (مثل حفظها بصيغة JPEG)، فإن "نكهة" الكعكة تظل كما هي. لا يزال بإمكان القاضي التعرف عليها.
غير قابلة للكسر: لتزييف الأمر، سيتعين على اللص كسر القفل الرياضي (الـ PRF)، وهو أمر يعتبر حالياً مستحيلاً لأي حاسوب للقيام به في وقت معقول.

ملخص التشبيه

تخيل أنك طباخ ماهر.

الطريقة القدة: تضع ملصقاً مخفياً على كعكتك. يمكن للصوص نزع الملصق أو وضع ملصقه الخاص على كعكة مزيفة.
الطريقة الجديدة: تخبز كعكتك باستخدام حبة رمل فريدة ومحددة من حديقة منزلك كأول مكون للبدء.
الاختبار: إذا ادعى شخص ما أن الكعكة ملكه، فإننا نسأله أن يخبزها مرة أخرى باستخدام رمال من حديقته الخاصة. إذا لم يتمكن من إنتاج كعكة تشبه كعكتك تماماً، فنحن نعلم أنه لم يستخدم رمالك. ولأن رياضيات الكون تجعل من المستحيل تخمين حبة الرمل الصحيحة، فنحن نعلم أن الكعكة هي ملكك حقاً.

باختأختصار: تمنح هذه الورقة لفناني الذكاء الاصطناعي طريقة لإثبات أنهم هم من صنعوا شيئاً ما عن طريق دمج هويتهم في الخطوة الأولى من عملية الابتكار، مما يجعل من المستحيل رياضياً على أي شخص آخر ادعاء ذلك.

إليك ملخص تقني مفصل للورقة البحثية بعنوان "إثبات التأليف للمحتوى المولد بواسطة نماذج الانتشار" (Proof-of-Authorship for Diffusion-based AI Generated Content) للباحثين دي زانغ لي، هان فانغ، وإي-تشين تشانج.

1. بيان المشكلة

أدى التقدم السريع في نماذج الانتشار الكامنة (LDMs) مثل Stable Diffusion وDALL-E وMidjourney إلى خلق تحديات كبيرة في حماية الملكية الفكرية وتوثيق المحتوى.

قصور الأساليب الحالية: إن آليات إثبات الملكية التقليدية، مثل الختم الزمني (time-stamping) والعلامات المائية الرقمية (digital watermarking)، غير كافية للمحتوى المولد بواسطة الذكاء الاصطناعي (AIGC).
- الختم الزمني: يسمح لأي شخص بادعاء ملكية كائن موجود مسبقاً عبر كونه أول من سجله، مما يفشل في إثبات عملية الإنشاء الفعلية.
- العلامة المائية: (سواء كانت قائمة على البكسل أو الكامنة) تعتمد على الأسرار. وهذه الأسرار عرضة لـ هجمات الغموض (ambiguity attacks) (حيث يقوم المهاجم بتزوير سر مختلف يتطابق أيضاً مع الكائن) وهجمات الإزالة (removal attacks) (حيث يتم تجريد العلامة المائية أو ضبط النموذج بدقة لإزالتها).
التحدي الجوهي: هناك حاجة إلى آلية تسمح للمؤلف بإثبات أنه المبتكر لكائن معين من المحتوى المولد بالذكاء الاصطناعي دون الاعتماد على مفاتيح سرية، مع ضمان عدم قدرة المهاجمين على ادعاء التأليف كذباً لأشياء لم يقوموا بإنشائها.

2. المنهجية: إطار عمل إثبات التأليف (POA)

يقترح المؤلفون إطار عمل خفيف الوزن يسمى إثبات التأليف (Proof-of-Authorship - POA). وبخلاف إثباتات الملكية التقليدية، يضمن نظام POA أن المبتكر المحدد (الذي يمتلك معلمات التوليد المحددة) هو الوحيد الذي يمكنه المطالبة بالكائن بشكل مشروع.

الآلية الجوهرية

يقوم إطار العمل بربط هوية المؤلف ومعلمات التوليد (metadata) تشفيرياً بـ البذرة العشوائية (random seed) المستخدمة لتهيئة عملية توليد نموذج الانتشار (LDM).

توليد البذرة: بدلاً من استخدام بذرة عشوائية تماماً، يتم اشتقاق البذرة $s$ بشكل حتمي باستخدام دالة عشوائية زائفة آمنة تشفيرياً (PRF):
$s = G(f_i(\langle m, e, r \rangle))$
حيث:
- $i$ : الهوية الفريدة للمؤلف.
- $m$ : المعلمات الوصفية لنموذج الـ LDM (مثل المجدول own scheduler، والخطوات steps).
- $e$ : تمثيل نص الأمر (text prompt embedding).
- $r$ : تسلسل ثنائي عشوائي (يسمح بالتنوع في التوليد).
- $f_i$ : دالة الـ PRF (مثل HMAC-SHA256) المفتاحية لهوية المؤلف.
- $G$ : عينة (sampler) تقوم برسم الخرائط للبذرة إلى نقطة بداية في الفضاء الكامن (غالباً ما تتبع توزيع غاوسي متعدد المتغيرات $N(0, I)$ ).
عملية التحقق (مرحلة النزاع):
- عندما يدعي مؤلف ملكية صورة متنازع عليها $I$ ، فإنه يقدم هويته $i$ ومعلمات التوليد $\kappa = \langle m, e, r \rangle$ .
- يقوم المُحكّم الاحتمالي (Probabilistic Adjudicator - PA) بإعادة بناء النقطة البداية الكامنة الأصلية باستخدام المعلمات المقدمة ويقوم بتوليد صورة مرجعية $J$ .
- يحسب الـ PA درجة التشابه (تحديداً حاصل الضرب النقطي الموحد للمتجهات الكامنة) بين التمثيل الكامن للصورة المتنازع عليها والتمثيل المرجعي المعاد بناؤه.
- الاختبار الإحصائي: يقوم الـ PA بتقدير الاحتمالية $q$ التي يمكن لـ "مزور عشوائي" (شخص لا يملك المعلمات الصحيحة) أن يولد صورة بدرجة تشابه عالية مثل الدرجة المرصودة.
- التحكيم: يقوم القاضي بتقييم فاصل الثقة لـ $q$ . إذا كانت $q$ منخفضة للغاية (على سبيل المثال، $< 2^{-50}$ )، يتم قبول المطالبة.

الافتراضات الرئيسية

الافتراض A1 (صعوبة الـ PRF): دالة الـ PRF غير قابلة للتمييز حوسبياً عن أوراكل عشوائي (random oracle). وهذا يضمن عدم قدرة المهاجم على الهندسة العكسية للبذرة أو إيجاد تصادم (collision).
الافتراض A2 (خاصية الانتشار): درجات التشابه بين الصور المولدة من نقاط بداية عشوائية تتبع توزيعاً تحت أسي (sub-exponential distribution). وهذا يسمح للنظام بتقدير احتمالات الذيل (الأحداث النادرة للغاية) باستخدام عدد قليل من العينات، بدلاً من الحاجة إلى بحث شامل.

3. المساهمات الرئيسية

إطار عمل خالٍ من الأسرار: لا يتطلب إطار عمل POA من المؤلف الاحتفاظ بأي أسرار. يمكن أن تكون جميع المعلمات ( $m, e, r$ ) والهوية عامة، مما يتيح التحقق الشفاف.
ضمان أقوى: يوفر إثبات التأليف بدلاً من مجرد إثبات الملكية. فهو يثبت أن الكائن قد تم توليده بواسطة مؤلف محدد باستخدام معلمات محددة، مما يمنع مطالبات الملكية "من يأتي أولاً يُخدم أولاً" على الأشياء الموجودة مسبقاً.
الأمان النظري:
- يثبت أنه لا يمكن لأي مهاجم ذو وقت متعدد الحدود احتمالي (PPT) تزوير مطالبة بميزة غير ضئيلة عن التخمين العشوائي.
- يوضح أنه بموجب الافتراض A2، يتطلب الاختبار الإحصائي عدداً من العينات لوغاريتمياً متعدد الحدود (polylogarithmic) فقط لتحقيق ثقة عالية، مما يجعل التحقق فعالاً حوسبياً.
الاختبار الإحصائي الأمثل: ثبت أن إحصائية الاختبار المقترحة هي الأكثر قوة بشكل موحد (Uniformly Most Powerful - UMP)، حيث تحقق أدنى معدل للخطأ من النوع الثاني (false-negative) لمعدل معين من الخطأ من النوع الأول (false-positive).

4. النتائج التجريبية

قام المؤلفون بتقييم إطار العمل باستخدام Stable Diffusion 2.1 (SD2.1).

التحقق من التوزيع: أكدت الاختبارات التجريبية أن درجات التشابه بين الصور المولدة من بذور عشوائية تتبع توزيعاً تحت أسي (تم تقريبه جيداً بواسطة توزيع طبيعي معمّم)، مما يؤكد صحة الافتراض A2.
الدقة: بالنسبة لاحتمالية نجاح المزور العشوائي المستهدفة عند $2^{-50}$ ، حققت الطريقة دقة بنسبة 100% في تحديد التأليف.
المتانة: ظل النظام متيناً ضد مختلف أنواع التشوهات:
- الضجيج: الضجيج الغاوسي المضاف ( $\sigma^2$ حتى 9).
- الضغط: ضغط JPEG بمعاملات جودة منخفضة تصل إلى 10.
- التحويلات الهندسية: التحويلات الأفينية الطفيفة (تغيير القياس $\pm 2\%$ ، الإزاحة $\pm 2\%$ ، الدوران $\pm 3^\circ$ ).
- في جميع سيناريوهات التشوه، ظل معدل الخطأ الإيجابي ضئيلاً، بينما كان معدل رفض التأليف (false-reject rate) فعلياً 0.00 للمعلمات المعقولة.

5. الأهمية والآثار المترتبة

تحول في النموذج: ينتقل من "إخفاء الأسرار" (العلامات المائية) إلى "الربط التشفيري العام". وهذا يلغي ضعف هجمات الغموض حيث يدعي طرفان ملكية نفس الكائن.
العملية: هذا الأسلوب خفيف الوزن، ولا يتطلب ضبطاً دقيقاً للنموذج (fine-tuning)، ويعمل مع نماذج الـ LDM الحالية (مثل Stable Diffusion) دون تعديل بنية النموذج.
الأمان: حتى لو استطاع المهاجم نظرياً عكس عملية الـ LDM لإيجاد نقطة البداية، فإن الربط التشفيري للبذرة بهوية المؤلف عبر الـ PRF يجعل توليد مطالبة صالية لهوية مختلفة أمراً مستحيلاً حوسبياً.
مستقبل حقوق المحتوى المولد بالذكاء الاصطناعي: يوفر حلاً تقنياً قابلاً للتطبيق لتأسيس حقوق الطبع والنشر والتأليف في عصر الذكاء الاصه التوليدي، مما يعالج الإجماع القانوني بأن المستخدم (مهندس الأوامر/prompt engineer) هو من يجب أن يمتلك الحقوق في المحتوى المولد بالذكاء الاصطناعي.

باختصار، تقدم هذه الورقة إطار عمل قوياً، مؤسساً رياضياً، ومثبتاً تجريبياً، يحل المشكلة الحرجة المتمثلة في توثيق الصور المولدة بالذكاء الاصطناعي دون الاعتماد على أسرار هشة، مما يقدم بديلاً متفوقاً للعلامات المائية والختم الزمني التقليدي.