Как полухрупкие водяные знаки защищают фото от дипфейков

Анна Мельман и Олег Евсютин изучили 30 профильных схем, появившихся за последнее десятилетие. Половина из них опирается на классические алгоритмы работы с частотными характеристиками, остальные используют нейросетевые решения. Авторы обзора разделили методы на три группы по уровню устойчивости: от простых, выдерживающих лишь сжатие, до высокоустойчивых, способных пережить до восьми различных типов коррекции без потери защитных свойств.

Анализ показал, что 25 из 30 исследованных схем не просто фиксируют факт подмены, но и локализуют конкретную область, подвергшуюся правке. При этом лишь 10 методов способны восстановить исходный фрагмент. Главная проблема отрасли — отсутствие единых стандартов тестирования. Разработчики используют десятки разных метрик, что делает сравнение эффективности инструментов практически невозможным. Кроме того, нейросетевые методы часто ограничены узкой специализацией, например, работой исключительно с портретами, тогда как реальные угрозы затрагивают любые типы изображений.

По мнению ученых, будущее защиты контента лежит в плоскости бесконтейнерных знаков, которые внедряются в файл непосредственно в момент генерации нейросетью. Это позволит верифицировать авторство и подлинность ИИ-контента на ранних этапах, минуя проблемы с «хрупкостью» меток при последующей обработке.