💻 computer science

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

यह शोध पत्र डिफ्यूजन-आधारित एआई सामग्री के लिए एक नवीन, सीक्रेट-मुक्त प्रमाण-स्वामित्व ढांचे का प्रस्ताव करता है जो लेखक की पहचान के साथ जनरेशन सीड्स के क्रिप्टोग्राफिक बाइंडिंग का लाभ उठाता है, जिससे दावों का संभाव्य न्यायसंगत निर्धारण सक्षम होता है और पारंपरिक वॉटरमार्किंग या टाइमस्टैम्पिंग विधियों की तुलना में झूठे स्वामित्व दावों के विरुद्ध अधिक मजबूत सुरक्षा प्रदान करता है।

मूल लेखक: De Zhang Lee, Han Fang, Ee-Chien Chang

प्रकाशित 2026-03-19

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: De Zhang Lee, Han Fang, Ee-Chien Chang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक कलाकार हैं जो एक जादुई, AI-संचालित ब्रश का उपयोग करके एक सुंदर चित्र पेंट करते हैं। आप सटीक छवि प्राप्त करने के लिए निर्देशों (प्रॉम्प्ट्स) को बदलने और सेटिंग्स को समायोजित करने में घंटों बिताते हैं। अचानक, कोई और दावा करता है, "यह मैंने बनाया है!" और इसे बेचने की कोशिश करता है।

आप यह कैसे साबित करेंगे कि यह आपका है, बिना किसी ऐसे गुप्त पासवर्ड के जिसे केवल आप जानते हों?

यह शोधपत्र AI कला के लिए एक चतुर नई प्रणाली पेश करता है जिसे Proof-of-Authorship (लेखकत्व का प्रमाण) कहा जाता है। एक गुप्त चीज़ को छिपाने के बजाय, यह एक "डिजिटल फिंगरप्रिंट" का उपयोग करता है जिसे गणितीय रूप से नकली बनाना असंभव है।

यह कैसे काम करता है, सरल अवधारणाओं में यहाँ दिया गया है:

1. पुराने तरीकों के साथ समस्या

"पहले दावा करने वाला" वाली समस्या: कल्पना कीजिए कि आप अपनी फोटो पर एक टाइमस्टैम्प लगाते हैं। कोई भी फोटो लेकर उस पर समय अंकित कर सकता है। पहले से समय अंकित करना यह साबित नहीं करता कि आपने उसे बनाया है; यह केवल यह साबित करता है कि आप यह कहने वाले पहले व्यक्ति थे कि आपने इसे बनाया है।
"गुप्त वॉटरमार्क" वाली समस्या: पारंपरिक तरीके चित्र के भीतर एक गुप्त कोड छिपाने की कोशिश करते हैं (जैसे पेंटिंग में एक छिपा हुआ संदेश)। लेकिन हैकर्स अक्सर इन रहस्यों को ढूंढकर हटा सकते हैं, या वे अपना खुद का गुप्त कोड बनाकर दावा कर सकते हैं, "देखो, मेरा गुप्त कोड भी इस चित्र में है!" यह एक भ्रमित करने वाली स्थिति पैदा करता है जहाँ दोनों लोग सही प्रतीत होते हैं।

2. नया समाधान: "रेसिपी" फिंगरप्रिंट

लेखकों ने महसूस किया कि AI कला के साथ, निर्माता के पास एक विशेष लाभ होता है: वे शुरुआती बिंदु चुनते हैं।

AI इमेज जेनरेट करने को एक केक बनाने की तरह समझें:

प्रॉम्प्ट (Prompt) रेसिपी है (जैसे, "स्केटबोर्ड पर एक बिल्ली")।
मॉडल (Model) ओवन और शेफ है।
सीड (Seed) वह विशिष्ट आटे का बैच है जिससे आप शुरुआत करते हैं।

पुराने दिनों में, AI बस आटे का एक रैंडम बैग उठा लेता था। लेकिन इस नई प्रणाली में, लेखक अपने नाम और रेसिपी के आधार पर खुद आटे का सटीक बैग चुनता है।

जादुई ट्रिक:
सिस्टम आपके नाम, रेसिपी और आपके द्वारा चुने गए एक रैंडम नंबर को लेता है और उन्हें एक विशेष गणितीय ताले (जिसे क्रिप्टोग्राफिक स्यूडो रैंडम फंक्शन कहा जाता है) का उपयोग करके आपस में मिला देता है। यह एक अद्वितीय "सीड" बनाता है।

चूंकि गणित इस तरह काम करता है, यदि आप अपने नाम और अपने सीड का उपयोग करते हैं, तो आपको एक विशिष्ट केक मिलता है। यदि कोई चोर अपने नाम का उपयोग करके वही केक बनाने की कोशिश करता है, तो गणित कहता है कि यह असंभव है। उन्हें अरबों-खरबों संभावनाओं में से सटीक सही सीड का अनुमान लगाना होगा।

3. "प्रोबेबिलिस्टिक एडजडिकेटर" (एक स्मार्ट जज)

जब आप किसी इमेज का दावा करते हैं, तो आप केवल यह नहीं कहते कि "यह मेरा है।" आप एक प्रोबेबिलिस्टिक एडजडिकेटर (एक स्मार्ट कंप्यूटर जज) को अदालत में लाते हैं।

यहाँ मुकदमा चलता है:

आप कहते हैं: "मैंने 'एलिस' नाम, 'कैट' रेसिपी और '12345' सीड का उपयोग करके यह इमेज बनाई है।"
जज एक सिमुलेशन चलाता है: जज आपके नाम, रेसिपी और सीड को लेता है और AI से फिर से वही केक बनाने के लिए कहता है।
तुलना: जज मूल इमेज जिसकी आप दावा कर रहे हैं, और उस नई इमेज की तुलना करता है जिसे AI ने अभी-अभी बनाया है।
- यदि वे पूरी तरह से मेल खाते हैं: बहुत बढ़िया! यह संभव है कि यह आपका है।
- मैथ चेक: जज फिर पूछता है, "एक अजनबी के लिए, एक रैंडम सीड चुनकर, गलती से ऐसा केक बनाने की संभावना क्या है जो आपके केक जैसा दिखता हो?"

परिणाम: गणित दिखाता है कि एक रैंडम अजनबी द्वारा गलती से आपके जैसा दिखने वाला केक बनाने की संभावना एक साल तक हर दिन लॉटरी जीतने से भी कम है (विशेष रूप से, $2^{50}$ में से 1 से भी कम)।

यदि संभावना इतनी कम है, तो जज कहता है, "यह सांख्यिकीय रूप से असंभव है कि यह एक संयोग था। आप ही इसके लेखक हैं।"

4. यह बेहतर क्यों है

किसी गुप्त चीज़ की आवश्यकता नहीं: आपको पासवर्ड छिपाने की ज़रूरत नहीं है। आप अपना नाम, रेसिपी और सीड पूरी दुनिया को प्रकाशित कर सकते हैं। भले ही सब कुछ जानते हों, कोई भी उन्हें नकली नहीं बना सकता क्योंकि गणित उन्हें रोकता है।
मजबूती (Robustness): भले ही कोई इमेज को क्रॉप करने, फिल्टर जोड़ने या कंप्रेस करने (जैसे JPEG के रूप में सेव करना) की कोशिश करे, केक का "स्वाद" वैसा ही रहता है। जज अभी भी इसे पहचान सकता है।
अभेद्य: इसे नकली बनाने के लिए, एक चोर को गणितीय ताले (PRF) को तोड़ना होगा, जिसे वर्तमान में किसी भी कंप्यूटर के लिए उचित समय में करना असंभव माना जाता है।

एनालॉजी सारांश

कल्पना कीजिए कि आप एक मास्टर शेफ हैं।

पुराना तरीका: आप अपने केक पर एक छिपा हुआ स्टिकर लगाते हैं। एक चोर उसे निकाल सकता है या नकली केक पर अपना स्टिकर लगा सकता है।
नया तरीका: आप अपने स्वयं के बैकयार्ड के एक विशिष्ट, अद्वितीय रेत के कण का उपयोग करके शुरुआती सामग्री के रूप में अपना केक बनाते हैं।
टेस्ट: यदि कोई दावा करता है कि केक उनका है, तो हम उनसे अपने स्वयं के बैकयार्ड की रेत का उपयोग करके फिर से केक बनाने के लिए कहते हैं। यदि वे आपके जैसा दिखने वाला केक नहीं बना पाते हैं, तो हमें पता चल जाता है कि उन्होंने आपकी रेत का उपयोग नहीं किया है। और चूंकि ब्रह्मांड का गणित रेत के सही कण का अनुमान लगाना असंभव बनाता है, इसलिए हम जानते हैं कि केक वास्तव में आपका है।

संक्षेप में: यह शोधपत्र AI कलाकारों को यह साबित करने का एक तरीका देता है कि उन्होंने कुछ बनाया है, रचना प्रक्रिया के बिल्कुल पहले चरण में अपनी पहचान को लॉक करके, जिससे किसी और के लिए इसका दावा करना गणितीय रूप से असंभव हो जाता है।

यहाँ डी झांग ली, हान फेंग और ई-चिएन चांग के शोध पत्र "Proof-of-Authorship for Diffusion-based AI Generated Content" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

स्टेबल डिफ्यूजन (Stable Diffusion), डैली (DALL-E) और मिडजर्नी (Midjourney) जैसे लेटेंट डिफ्यूजन मॉडल्स (LDMs) की तीव्र प्रगति ने बौद्धिक संपदा संरक्षण और सामग्री प्रमाणीकरण के लिए महत्वपूर्ण चुनौतियाँ पैदा कर दी हैं।

मौजूदा विधियों की सीमाएँ: पारंपरिक स्वामित्व प्रमाण तंत्र, जैसे कि टाइम-स्टैम्पिंग (time-stamping) और डिजिटल वॉटरमार्किंग (digital watermarking), AI-जनित सामग्री (AIGC) के लिए अपर्याप्त हैं।
- टाइम-स्टैम्पिंग किसी को भी मौजूदा वस्तु पर स्वामित्व का दावा करने की अनुमति देता है यदि वह उसे सबसे पहले पंजीकृत करता है, जो वास्तविक निर्माण को सिद्ध करने में विफल रहता है।
- वॉटरमार्किंग (पिक्सेल-आधारित या लेटेंट-आधारित) गुप्त सूचनाओं (secrets) पर निर्भर करती है। ये एम्बिग्युटी हमलों (ambiguity attacks) (जहाँ एक हमलावर एक अलग गुप्त सूचना बनाता है जो वस्तु से मेल खाती है) और रिमूवल हमलों (removal attacks) (जहाँ वॉटरमार्क को हटा दिया जाता है या मॉडल को इसे हटाने के लिए फाइन-ट्यून किया जाता है) के प्रति संवेदनशील हैं।
मुख्य चुनौती: एक ऐसे तंत्र की आवश्यकता है जो लेखक को किसी गुप्त कुंजी (secret key) पर निर्भर रहे बिना किसी विशिष्ट AIGC ऑब्जेक्ट के निर्माता होने का प्रमाण दे सके, जबकि यह सुनिश्चित हो सके कि हमलावर उन वस्तुओं के स्वामित्व का झूठा दावा न कर सकें जिन्हें उन्होंने उत्पन्न नहीं किया है।

2. कार्यप्रणाली: प्रूफ-ऑफ-ऑथरशिप (POA) फ्रेमवर्क

लेखक एक हल्का फ्रेमवर्क प्रस्तावित करते हैं जिसे प्रूफ-ऑफ-ऑथरशिप (POA) कहा जाता है। पारंपरिक स्वामित्व प्रमाणों के विपरीत, POA यह गारंटी देता है कि केवल विशिष्ट निर्माता (जिसके पास विशिष्ट जनरेशन पैरामीटर्स हैं) ही वैध रूप से उस वस्तु का दावा कर सकता है।

मुख्य तंत्र (Core Mechanism)

यह फ्रेमवर्क लेखक की पहचान और जनरेशन मेटाडेटा को LDM जनरेशन प्रक्रिया को इनिशियलाइज़ करने के लिए उपयोग किए गए रैंडम सीड (random seed) के साथ क्रिप्टोग्राफिक रूप से बांधता है।

सीड जनरेशन (Seed Generation): पूरी तरह से रैंडम सीड के बजाय, सीड $s$ को एक क्रिप्टोग्राफिक रूप से सुरक्षित स्यूडो-रैंडम फंक्शन (PRF) का उपयोग करके नियत रूप से (deterministically) व्युत्पन्न किया जाता है:
$s = G(f_i(\langle m, e, r \rangle))$
जहाँ:
- $i$ : लेखक की विशिष्ट पहचान।
- $m$ : LDM मेटा-पैरामीटर्स (जैसे, शेड्यूलर, स्टेप्स)।
- $e$ : टेक्स्ट प्रॉम्प्ट एम्बेडिंग।
- $r$ : एक रैंडम बाइनरी सीक्वेंस (विविधता के लिए)।
- $f_i$ : लेखक की पहचान द्वारा की-युक्त PRF (जैसे, HMAC-SHA256)।
- $G$ : एक सैंपलर जो सीड को लेटेंट स्पेस में एक शुरुआती बिंदु (आमतौर पर मल्टीवेरिएट गौसियन वितरण $N(0, I)$ का अनुसरण करता है) पर मैप करता है।
सत्यापन प्रक्रिया (Verification Process - Contention Phase):
- जब कोई लेखक विवादित इमेज $I$ पर स्वामित्व का दावा करता है, तो वह अपनी पहचान $i$ और जनरेशन पैरामीटर्स $\kappa = \langle m, e, r \rangle$ प्रदान करता है।
- एक प्रोबेबिलिस्टिक एडजडिकेटर (Probabilistic Adjudicator - PA) दिए गए पैरामीटर्स का उपयोग करके मूल लेटेंट शुरुआती बिंदु को पुनर्गठित करता है और एक संदर्भ इमेज $J$ उत्पन्न करता है।
- PA विवादित इमेज के लेटेंट प्रतिनिधित्व और पुनर्गठित संदर्भ के बीच समानता स्कोर (similarity score) (विशेष रूप से, लेटेंट वेक्टर्स का नॉर्मलाइज्ड डॉट प्रोडक्ट) की गणना करता है।
- सांख्यिकीय परीक्षण (Statistical Testing): PA इस संभावना $q$ का अनुमान लगाता है कि एक "रैंडम फोर्जर" (वह व्यक्ति जिसके पास सही पैरामीटर्स नहीं हैं) देखी गई समानता के समान उच्च स्कोर वाली इमेज उत्पन्न कर सकता है।
- निर्णय (Adjudication): एक जज $q$ के कॉन्फिडेंस इंटरवल का मूल्यांकन करता है। यदि $q$ अत्यंत कम है (उदाहरण के लिए, $< 2^{-50}$ ), तो दावे को स्वीकार कर लिया जाता है।

मुख्य धारणाएँ (Key Assumptions)

धारणा A1 (PRF Hardness): PRF एक रैंडम ऑरेकल के समान कम्प्यूटेशनल रूप से अविभेद्य है। यह सुनिश्चित करता है कि हमलावर सीड को रिवर्स-इंजीनियर नहीं कर सकता या कोलिजन (collision) नहीं ढूंढ सकता।
धारणा A2 (Diffusion Property): रैंडमली सैंपल किए गए शुरुआती बिंदुओं से उत्पन्न छवियों और एक लक्षित छवि के बीच समानता स्कोर एक सब-एक्सपोनेंशियल डिस्ट्रीब्यूशन (sub-exponential distribution) का पालन करते हैं। यह सिस्टम को पूर्ण खोज (exhaustive search) की आवश्यकता के बिना, बहुत कम नमूनों का उपयोग करके टेल प्रोबेबिलिटीज (अत्यंत दुर्लभ घटनाओं) का अनुमान लगाने की अनुमति देता है।

3. प्रमुख योगदान (Key Contributions)

सीक्रेट-मुक्त फ्रेमवर्क (Secret-Free Framework): POA फ्रेमवर्क के लिए लेखक को कोई गुप्त जानकारी रखने की आवश्यकता नहीं है। सभी पैरामीटर्स ( $m, e, r$ ) और पहचान सार्वजनिक हो सकते हैं, जिससे पारदर्शी सत्यापन सक्षम होता है।
मजबूत गारंटी (Stronger Guarantee): यह केवल 'प्रूफ-ऑफ-ओनरशिप' के बजाय 'प्रूफ-ऑफ-ऑथरशिप' प्रदान करता है। यह सिद्ध करता है कि ऑब्जेक्ट उसी विशिष्ट लेखक द्वारा विशिष्ट पैरामीटर्स का उपयोग करके बनाया गया था, जिससे मौजूदा वस्तुओं पर "पहले आओ-पहले पाओ" वाले स्वामित्व दावों को रोका जा सकता है।
सैद्धांतिक सुरक्षा (Theoretical Security):
- सिद्ध करता है कि कोई भी प्रोबेबिलिस्टिक पॉलीनोमियल-टाइम (PPT) हमलावर रैंडम गेसिंग से अधिक लाभ के साथ दावा जालसाजी (forge) नहीं कर सकता।
- दर्शाता है कि धारणा A2 के तहत, उच्च विश्वास प्राप्त करने के लिए सांख्यिकीय परीक्षण को केवल एक पॉलीलॉगारिदमिक (polylogarithmic) संख्या में नमूनों की आवश्यकता होती है, जिससे सत्यापन कम्प्यूटेशनल रूप से कुशल हो जाता है।
इष्टतम सांख्यिकीय परीक्षण (Optimal Statistical Testing): प्रस्तावित टेस्ट स्टैटिस्टिक को यूनिफॉर्मली मोस्ट पावरफुल (UMP) दिखाया गया है, जो दिए गए फॉल्स-नेगेटिव रेट के लिए न्यूनतम फॉल्स-नेगेटिव रेट प्राप्त करता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

लेखकों ने Stable Diffusion 2.1 (SD2.1) का उपयोग करके फ्रेमवर्क का मूल्यांकन किया।

डिस्ट्रीब्यूशन वैलिडेशन: अनुभवजन्य परीक्षणों ने पुष्टि की कि रैंडम सीड्स से उत्पन्न छवियों के बीच समानता स्कोर एक सब-एक्सपोनेंशियल डिस्ट्रीब्यूशन (जिसे एक जनरलाइज्ड नॉर्मल डिस्ट्रीब्यूशन द्वारा अच्छी तरह से अनुमानित किया जाता है) का पालन करते हैं, जो धारणा A2 को मान्य करता है।
सटीकता (Accuracy): $2^{-50}$ के लक्ष्य रैंडम फोर्जर सफलता की संभावना के लिए, विधि ने लेखकत्व निर्धारित करने में 100% सटीकता प्राप्त की।
मजबूती (Robustness): सिस्टम विभिन्न विकृतियों (distortions) के खिलाफ मजबूत रहा:
- शोर (Noise): एडिटिव गौसियन नॉइज़ ( $\sigma^2$ 9 तक)।
- कंप्रेशन (Compression): 10 जैसे कम क्वालिटी फैक्टर्स के साथ JPEG कंप्रेशन।
- ज्यामितीय रूपांतरण (Geometric Transformations): हल्के एफाइन ट्रांसफॉर्मेशन (स्केलिंग $\pm 2\%$ , ट्रांसलेशन $\pm 2\%$ , रोटेशन $\pm 3^\circ$ )।
  सभी विकृति परिदृश्यों में, फॉल्स-पॉजिटिव रेट नगण्य रहा और उचित मापदंडों के लिए फॉल्स-रिजेक्ट रेट प्रभावी रूप से 0.00 रहा।

5. महत्व और निहितार्थ (Significance and Implications)

प्रतिमान परिवर्तन (Paradigm Shift): यह "गुप्त सूचना छिपाने" (वॉटरमार्किंग) से हटकर "सार्वजनिक क्रिप्टोग्राफिक बाइंडिंग" की ओर बढ़ता है। यह एम्बिग्युटी हमलों की भेद्यता को समाप्त करता है जहाँ दो पक्ष एक ही वस्तु पर दावा करते हैं।
व्यावहारिकता (Practicality): यह विधि हल्की है, इसके लिए मॉडल फाइन-ट्यूनिंग की आवश्यकता नहीं है, और यह मॉडल आर्किटेक्चर को संशोधित किए बिना मौजूदा LDMs (जैसे स्टेबल डिफ्यूजन) के साथ काम करती है।
सुरक्षा (Security): भले ही कोई हमलावर सैद्धांतिक रूप से LDM को इनवर्ट करके एक शुरुआती बिंदु खोजने में सक्षम हो, लेकिन PRF के माध्यम से लेखक की पहचान के साथ सीड का क्रिप्टोग्राफिक बाइंडिंग किसी अन्य पहचान के लिए वैध दावा उत्पन्न करना कम्प्यूटेशनल रूप से असंभव बना देता है।
AIGC अधिकारों का भविष्य: यह जनरेटिव AI के युग में कॉपीराइट और लेखकत्व स्थापित करने के लिए एक व्यवहार्य तकनीकी समाधान प्रदान करता है, जो इस कानूनी सहमति को संबोधित करता है कि उपयोगकर्ता (प्रॉम्प्ट इंजीनियर) को AI-जनित सामग्री के अधिकार मिलने चाहिए।

संक्षेप में, यह शोध पत्र एक मजबूत, गणितीय रूप से आधारित और अनुभवजन्य रूप से मान्य फ्रेमवर्क प्रस्तुत करता है जो पारंपरिक वॉटरमार्किंग और टाइम-स्टैम्पिंग का एक बेहतर विकल्प प्रदान करते हुए, नाजुक गुप्त सूचनाओं पर निर्भर रहे बिना AI-जनित छवियों को प्रमाणित करने की गंभीर समस्या को हल करता है।