学位论文简介
深度伪造技术生成的人脸内容对国家安全、社会稳定和大众认知构成了空前威胁，构建完善的检测与监管体系刻不容缓。尽管国内外已相继出台多项法律法规与强制性标准，但要真正落实法治化的监管闭环，亟需坚实的技术底座为其保驾护航。面对被动检测的滞后性与主动干扰的局限性，本文聚焦的主动取证技术，通过事先向人脸图像隐蔽嵌入不可察觉的水印信息并在事后进行水印提取，能够有效实现对图像全生命周期的防护与管控。
尽管如此，针对人脸图像深度伪造主动取证的不同应用和场景需求，现有水印方法在兼顾溯源与验真的功能性、协同被动检测的兼容性、适配真伪图像的通用性以及抵抗几何失真的鲁棒性等方面仍存在不足。为进一步完善取证生态，本文提出了四种针对性的图像水印关键技术，具体介绍如下：
（1）基于可分离水印的真实人脸图像溯源与认证研究。针对现有水印功能性受限且多次水印嵌入会相互影响的难题，提出了可分离水印SepMark。该研究构建了包含单个编码器和两个可分离解码器的模型架构，并利用随机前向噪声层采样不同类型的失真进行端到端训练。在此架构下，仅需编码器进行单次水印嵌入，即可通过鲁棒解码器抵抗各种失真以追溯原始来源，同时利用半脆弱解码器对篡改失真的选择脆弱性来鉴别失真类型，为真实图像的溯源与认证提供了统一的取证框架。
（2）基于对抗水印的伪造人脸图像可检测性增强研究。针对主动水印嵌入会干扰被动检测性能的矛盾，提出了对抗水印AdvMark。该研究采用即插即用的对抗微调策略，通过定向欺骗下游被动检测器，对编解码器进行端到端微调。借此利用被动检测器的对抗脆弱性，将原本阻碍检测的鲁棒水印转化为具备正向增益的对抗水印。该策略不仅保留了水印原有的溯源能力，还显著增强了水印图像在下游被动检测任务中的可检测性，解决了主动取证与被动检测兼容性不足的问题，实现了协同增益。
（3）基于条件水印的真伪人脸图像通用取证框架研究。针对真实图像与伪造图像缺乏通用取证框架的现状，提出了条件水印ConMark。该研究在水印编解码器的基础上引入了条件网络，利用输入的目标条件调制水印的编解码特征，从而动态控制水印的嵌入和提取模式。在统一框架中，条件解码器可在真实图像认证场景中灵活切换鲁棒与半脆弱模式，条件编码器则能在伪造图像标识场景中动态调整嵌入模式以增强下游检测性能，有效解决了真实图像和伪造图像的通用取证问题。
（4）基于局部条件水印的人脸图像几何鲁棒溯源研究。针对现有水印方法在面对几何失真时容易失效的局限，提出了局部条件水印LocMark。该研究基于局部特征调制建立了条件编解码器的空间同步能力，利用局部掩码作为编码器的先验条件引导被动定位网络，并将定位结果作为解码器的同步条件。这一同步机制将传统的全局水印提取转化为基于局部相对位置的条件水印提取，克服了模型依赖全局绝对位置的捷径学习倾向，显著增强了水印抵抗数值与几何等复合失真的鲁棒性。
主要学术成果
[1]Xiaoshuai Wu, Xin Liao, Bo Ou. SepMark: Deep separable watermarking for unified source tracing and deepfake detection. Proceedings of the ACM International Conference on Multimedia. 2023: 1190–1201. （CCF推荐A类会议，第一作者）
[2]Xiaoshuai Wu, Xin Liao, Bo Ou, Yuling Liu, Zheng Qin. Are watermarks bugs for deepfake detectors? Rethinking proactive forensics. Proceedings of the International Joint Conference on Artificial Intelligence. 2024: 6089-6097. （CCF推荐A类会议，第一作者）
[3]Xiaoshuai Wu, Xin Liao, Jie Zhang, Mingyue Chen, Yufeng Wu, Jinlin Guo. Versatile and harmless deepfake proactive forensics via conditional watermarking. Information Sciences, 2025: 123030. （CCF推荐B类期刊，第一作者）
[4]Xiaoshuai Wu, Xin Liao. Local conditional watermarking for geometrically robust deepfake proactive forensics. Submitted to IEEE Signal Processing Letters. （在投，CCF推荐C类期刊，第一作者）
