💻 computer science

AnchorMark: Robust Diffusion Watermarking via Latent-Space Rotation Synchrony

AnchorMark is een trainingsvrije, op inversie gebaseerde watermerkingsmethode die de latente ruimte-eigenschap van Rotatiesynchroniteit benut om een centraal synchronisatieanker in te bedden, wat robuuste payload-extractie en nauwkeurige rotatiecorrectie mogelijk maakt, zelfs onder samengestelde verlieslatende post-processing aanvallen.

Oorspronkelijke auteurs: Yuqi Qian, Yun Cao, Haocheng Fu, Haochen Zhao, Hong Zhang, Meineng Zhu

Gepubliceerd 2026-07-31

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Yuqi Qian, Yun Cao, Haocheng Fu, Haochen Zhao, Hong Zhang, Meineng Zhu

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je in een magisch kunstatelier bent waar een computerprogramma, een "diffusiemodel" genoemd, fungeert als een supergetalenteerde schilder. Je fluistert een beschrijving aan het, zoals "een puppy die koffie drinkt" — en het tovert uit het niets, pixel voor pixel, een gloednieuw beeld tevoorschijn. Deze technologie is geweldig, maar heeft een lastig bijeffect: omdat de computer deze beelden uit het niets creëert, is het moeilijk te bepalen wie ze heeft gemaakt of of ze later zijn aangepast. Om dit op te lossen, proberen wetenschappers geheime "watermerken" in de afbeeldingen te verbergen, als een soort onzichtbare inkt die bewijst dat het plaatje echt is.

Het nadeel is dat deze onzichtbare inkten erg kwetsbaar zijn. Als iemand de foto draait, bijsnijdt of verkleint, raakt het geheime bericht vaak verstoord of gaat het zelfs helemaal verloren. Het is alsoals een geheime code op een stuk papier schrijven; als de persoon die de code probeert te lezen niet precies weet hoeveel je het papier hebt gedraaid, zien de letters eruit als wartaal. Dit artikel behandelt specif kind probleem: hoe je het geheime bericht veilig houdt, zelfs wanneer de afbeelding gedraaid, gekanteld of geroteerd wordt, zonder de kunstenaar te hoeven hertrainen of de manier waarop het schilderij wordt gemaakt te veranderen.

Het Mysterie van het Gedraaide Geheim

Maak kennis met AnchorMark, een slimme nieuwe truc om geheimen te verbergen in door AI gegenereerde kunst. De onderzoekers achter dit systeem merkten een frustrerend patroon op: wanneer een AI-afbeelding wordt gedraaid, raakt het verborgen bericht in de afbeelding verloren omdat de "decoder" (het hulpmiddel dat het geheim leest) de weg kwijt is over waar het moet kijken. Het is alsof je probeert een specifiek huis in een stad te vinden die de hele tijd rondgedraaid is; als je de nieuwe oriëntatie niet weet, zoek je in de verkeerde buurt.

Eerdere pogingen om dit op te lossen waren ofwel te ingewikkeld (waarbij de AI opnieuw getraind moest worden, wat vergelijkbaar is met het aanleren van een compleet nieuwe stijl aan de schilder) of te zwak (ze konden wel zien of er een geheim bestond, maar konden het eigenlijke bericht niet lezen). AnchorMark gebruikt een andere, "training-free" aanpak. Het vraagt de AI niet om iets nieuws te leren; in plaats daarvan voegt het een piepklein, onzichtbaar "kompas" toe aan het schilderproces zelf.

Het Magische Kompas: Rotatie Synchroniteit

De kern van het idee berust op een fascinerende ontdekking die het team heeft gedaan, die zij Rotation Synchrony noemen. Denk aan het creatieve proces van de AI als een tweetrapsdans: eerst creëert het een verborgen "blauwdruk" (een latente ruimte), en daarna verandert het die blauwdruk in het uiteindelijke plaatje. De onderzoekers ontdekten dat als je de uiteindelijke afbeelding draait, de verborgen blauwdruk met exact dezelfde hoeveelheid draait.

Stel je voor dat je een kaart hebt getekend op een transparante vel. Als je de kaart op de tafel draait, draait de tekening op het vel er perfect mee mee. AnchorMark maakt gebruik van dit feit. Het plaatst een speciaal, meerlagig "anker" (een geheim kompas) precies in het midden van die verborgen blauwdruk voordat het plaatje zelfs maar af is. Dit anker bestaat uit een complex patroon van golven dat op een voorspelbare manier verandert wanneer de afbeelding wordt gedraaid.

Hoe de Reddingsmissie Werkt

Wanneer iemand de afbeelding probeert te stelen of aan te passen (bijvoorbeeld door deze te draaien), komt het AnchorMark-systeem in actie om het geheim te herstellen:

De Omgekeerde Blik: Het systeem neemt de vervormde afbeelding en voert het proces van de AI achterstevoren uit om de verborgen blauwdruk te herstellen.
De Kompas Check: Het kijkt naar het "anker" in het midden van die blauwdruk. Vanwege de regel van Rotation Synchrony is het anker met exact dezelfde hoek gedraaid als de afbeelding.
De Uitlijning: Het systeem vergelijkt het gevonden anker met het oorspronkelijke geheime kompas. Door ze met elkaar te matchen, kan het systeem precies berekenen hoeveel graden de afbeelding is gedraaid.
De Correctie: Nu het de hoek weet, "ontdraait" het systeem de blauwdruk wiskundig, waardoor het geheime bericht weer in zijn oorspronkelijke, leesbare positie komt te staan.
De Laatste Lezing: Nu alles weer goed uitgelijnd is, kan het systeem het verborgen bericht met hoge nauwkeurigheid lezen.

Waarom het een Groot Ding is

De onderzoekers hebben dit getest op diverse AI-kunstgeneratoren en ontdekten dat AnchorMark een "game-changer" is voor het veilig houden van geheimen. In tests waarbij afbeeldingen werden gedraaid met hoeken variërend van 5 tot 60 graden, faalden oudere methoden vaak volledig en gokten ze het bericht willekeurig (zoals het opgooien van een munt). AnchorMark hield het bericht echter intact en herstelde de geheime bits met een nauwkeurigheid van bijna 100% in veel gevallen.

Nog beter is dat dit "kompas" werkt, zelfs wanneer de afbeelding te maken krijgt met een dubbele klap — zoals wanneer de afbeelding gedraaid en gecomprimeerd wordt, of gedraaid en vervaagd wordt. Het systeem slaagde erin de geheimen betrouwbaar te herstellen over verschillende AI-modellen heen, wat bewijst dat deze "training-free" methode robuust is en geen hertraining van de AI vereist.

Cruciaal is dat het toevoegen van dit geheime kompas de kunst niet verpestte. De afbeeldingen zagen er nog steeds net zo goed uit en het vermogen van de AI om instructies op te volgen bleef onveranderd. De onderzoekers lieten zien dat je een hoogwaardige afbeelding kunt hebben met een verborgen, onbreekbaar geheim, zelfs als iemand probeert de afbeelding te draaien en te kantelen. Het is een beetje alsof je een geheim bericht in onzichtbare inkt hebt geschreven dat zichzelf magisch opnieuw uitlijnt telkens wanneer je de pagina draait, zodat de waarheid altijd te vinden is.

Technische Samenvatting: AnchorMark

Probleemstelling

Inversie-gebaseerde watermerking voor diffusiemodellen nestelt payloads direct in de initiële latente ruimte, waardoor watermerken gevormd worden tijdens de beeldgeneratie en kunnen worden teruggevonden via diffusie-inversie zonder de generator te hertrainen. Hoewel dit effectief is tegen veelvoorkomende niet-geometrische verstoringen, lijden deze methoden onder een fundamentele foutmodus bij rotatie-aanvallen.

Bestaande inversie-gebaseerde multi-bit schema's associëren payload-bits met ruimtelijk geïndexeerde latente dragers. Wanneer een afbeelding wordt geroteerd, wordt de ruimtelijke correspondentie tussen de herstelde latente ruimte en de verwachte bitposities verstoord. Bestaande benaderingen voor dit probleem vallen uiteen in twee categorieën:

Geleerde synchronisatoren: Deze gebruiken hulpnetwerken om transformaties te schatten, maar vereisen extra training en kunnen afhankelijk zijn van specifieke architecturen of aanval-distributies.
Rotatie-invariante spectrale ontwerpen: Deze onderdrukken oriëntatiegevoeligheid om de aanwezigheid van het watermerk te detecteren, maar falen in het herstellen van de vereiste geordende correspondentie die nodig is voor multi-bit payload-tracing.

Consequent is er een gebrek aan een lichtgewicht, modulair en trainingsvrij mechanisme om inversie-gebaseerde watermerken te synchroniseren onder geometrische transformaties.

Methodologie: AnchorMark

De auteurs stellen AnchorMark voor, een trainingsvrij, robuust inversie-gebaseerd watermerkframework. De kern van de methode berust op een nieuw geïdentificeerde structurele eigenschap van diffusie-latente ruimtes, getiteld Rotation Synchrony (Rotatie-synchroniteit).

1. Rotation Synchrony

Het artikel stelt vast dat een rotatie in de beeld-domein dezelfde hoekrotatie induceert in de herstelde initiële latente ruimte. Formeel geldt dat voor een gegenereerde afbeelding $I$ die met hoek $\alpha$ is geroteerd, de herstelde initiële latente $\hat{x}_T(\alpha)$ ongeveer voldoet aan:
$\hat{x}_T(\alpha) \approx R_\alpha x_T$
waarbij $R_\alpha$ de rotatie-operator is en $x_T$ de oorspronkelijke initiële latente is. De afwijking van deze ideale relatie wordt begrensd door residuen die voortkomen uit VAE-codering, diffusie-inversie dynamiek en de generatie-inversie cyclus. Empirische validatie bevestigt dat het matchen van de herstelde latente ruimte tegen geroteerde referenties een minimale afstand oplevert nabij de grondwaarheid van de rotatiehoek.

2. Multi-Frequency Phase Anchor

Om Rotation Synchrony te exploiteren voor synchronisatie, nestelt AnchorMark een compacte multi-frequentie fase-anker in het centrale deel van de initiële latente ruimte, die ruimtelijk ontkoppeld is van de payload-regio.

Constructie: Het anker bestaat uit sine-cosine kanaalparen die hoekfrequenties ( $k_j$ ) coderen. Dit ontwerp zet ruimtelijke rotatie om in een voorspelbare analytische fase-respons ( $k_j \alpha$ ).
Injectie: Het anker wordt geïnjecteerd via statistieken-gekalibreerde injectie. De template wordt gestandaardiseerd om overeen te komen met het gemiddelde en de standaarddeviatie van de oorspronkelijke latente patch en wordt gefuseerd via een mengparameter $\lambda$ , gevolgd door herkalibratie om de per-kanaal momenten te herstellen. Dit minimaliseert distributieverschuiving en behoudt de beeldkwaliteit.

3. Hiërarchische Synchronisatie en Herstel

Het extractieproces maakt gebruik van een twee-traps hiërarchische strategie:

Anker-gestuurde Globale Registratie: De detector reconstrueert de referentie-anker en voert een coarse-to-fine zoektocht uit over kandidaat-rotatiehoeken. Het minimaliseert de genormaliseerde matching-loss tussen de herstelde anker en de geroteerde referentie-anker om de dominante rotatiehoek te schatten.
Payload-gestuurde Lokale Verfijning: Om resterende misuitlijning veroorzaakt door interpolatie of inversie-ruis aan te pakken, definieert het systeem een lokale kandidaat-set rond de initiële schatting. Het verfijnt de hoek door de verificatie-betrouwbaarheid van de onderliggende watermerk-decoder op de payload-regio te maximaliseren. De uiteindelijke payload wordt geëxtraheerd met behulp van deze verfijnde hoek.

Belangrijkste Bijdragen

Identificatie van Rotation Synchrony: De auteurs formaliseren de eigenschap dat rotaties in de beeldruimte corresponderende hoekrotaties induceren in de herstelde initiële latente ruimte, wat een theoretische basis biedt voor latente-ruimte synchronisatie.
AnchorMark Framework: Een trainingsvrij, robuust inversie-gebaseerd watermerkingsframework dat een compacte multi-frequentie fase-anker combineert met statistieken-gekalibreerde injectie en een hiërarchische (coarse-to-fine) registratiestrategie.
Empirische Validatie: Uitgebreide experimenten tonen aan dat AnchorMark de bit-accuratesse aanzienlijk verbetert onder rotatie en gecombineerde aanvallen, terwijl de beeldkwaliteit en semantische getrouwheid behouden blijven.

Experimentele Resultaten

De methode werd geëvalueerd op Stable Diffusion (v1.5, v2.1, v3.5) en FLUX.1-dev modellen.

Rotatie-robuustheid: Onder rotatie-aanvallen variërend van $\pm 5^\circ$ tot $\pm 60^\circ$ , herstelde AnchorMark een hoge bit-accuratesse voor baseline-methoden die anders zouden falen. Zo bereikte AnchorMark wanneer toegepast op ShapeMark een bijna perfect herstel (Acc $\approx$ 1.00) over alle geteste hoeken, terwijl de baseline ShapeMark bij grotere hoeken zakte naar het niveau van willekeurige gokken ( $\approx$ 0.50). Op dezelfde manier zag Gaussian Shading de detectiegraad (TPR) herstellen van bijna nul naar $\approx$ 0.99.
Gecombineerde Aanvallen: AnchorMark behield een stabiele prestatie (TPR > 0.99, Acc > 0.94) wanneer rotatie werd gecombineerd met resizing, JPEG-compressie, Gaussische ruis en median blur over meerdere diffusie-backbones.
Beeldkwaliteit: De introductie van het anker resulteerde in een beperkte impact op de beeldkwaliteit, waarbij de veranderingen in FID en CLIP-Score vergelijkbaar bleven met de basismethoden.
Ablatie-studies: De studie bevestigde dat het multi-frequentie ontwerp (dat lage-frequentie robuustheid combineert met hoge-frequentie discriminatie) beter presteert dan single-frequency of willekeurige ankers, waarbij de fout in hoekschatting werd teruggebracht tot minder dan $0.5^\circ$ .

Betekenis en Claims

Het artikel claimt dat latente-ruimte synchronisatie een effectief mechanisme is voor robuuste inversie-gebaseerde watermerking onder geometrische transformaties. Door gebruik te maken van de inherente Rotation Synchrony eigenschap, biedt AnchorMark een modulaire, trainingsvrije oplossing die kan worden toegepast op bestaande inversie-gebaseerde watermerkingsschema's zonder de onderliggende diffusiemodellen te wijzigen of de generator te hertrainen. De methode adresseert succesvol de kritieke kloof in multi-bit payload-terugwinning onder rotatie, wat betrouwbare content-provenance en auteursrechtbescherming mogelijk maakt in scenario's met geometrische verstoringen.