事实上，在AIGC前置技术深度学习刚刚诞生不久后，就有黑产盯上了这项新兴技术。只不过彼时机器 学习的局限，导致使用它的门槛相当高。最典型的例子，就是在2017年被Reddit网友发明的deepfakes （深度伪造）技术，可即便deepfakes是开源的，但玩转它需要的生成对抗网络（GAN）和变分自编码 器（VAE）就不是一般人能玩转的。 互联网上哪些是真、哪些是假，几乎是一个永远都不会有答案的问题，因此在上网冲浪时去伪存真，可 以说是当下网民的必备技能。只可惜技术进步的速度远超大家想象，在生成式人工智能（AIGC）成熟 后，互联网世界的一切几乎都变得真假难辨了。 为解决泛滥的AI虚假内容，国家网信办等四部门日前联合发布《人工智能生成合成内容标识办法》， 从今年9月1日开始，所有AI生成的文字、图片、视频等内容需要添加显式和隐式两种标识，其中显式 标识是指可以被用户明显感知到的标识，隐式标识则是指在生成内容的元数据中添加的标识。 相比于以往由微信、抖音、小红书、微博等平台建立的AI内容管理体系，这一新规最大的变化就是发 布者是AI内容的第一责任人，他们将对AI虚假内容负主要责任。但从某种意义上来看，让内容发布 ...

技术突破 - 提出全新局部鲁棒图像水印方法MaskMark，支持多水印嵌入、精准定位篡改区域和灵活提取局部水印[3][6][7] - 核心创新在于引入掩码机制，训练时明确标注水印位置，实现精准嵌入和提取[5][11] - 支持32/64/128比特自适应水印长度，而竞品WAM仅支持32位[7][20] 性能表现 - 全局水印任务中保持PSNR>39.5和SSIM>0.98的高视觉保真度，比特准确率近乎100%[13] - 局部水印任务中在不同大小区域均保持近乎100%提取准确率，显著优于WAM等基线模型[14] - 水印定位性能（IoU衡量）全面优于EditGuard和WAM，其中MaskMark-ED在小区域定位更具优势[16][17] 效率优势 - 训练成本仅为WAM的1/15，在单个A6000 GPU上训练20小时即可完成[4][22] - 计算效率达7.74×10^14 TFLOPs，较WAM的1.13×10^16 TFLOPs提升15倍[20][22] - 推理时间仅需0.031秒，内存占用2.21GB，与WAM相当但功能更全面[20] 应用特性 - 支持单图像嵌入多达5个不同水印，且保持强大提取和定位性能[18][19] - 可通过简单调整失真层或少量微调（仅需20k训练步数）适应新兴威胁[21][23] - 同时适用于整体图像保护版权声明和局部敏感内容保护隐私感知场景[8]