AI Watermarking
Đóng dấu watermark bằng AI nhúng một tín hiệu có thể phát hiện bằng máy vào hình ảnh, văn bản, âm thanh hoặc video được tạo. Cách SynthID và các phương pháp danh sách xanh hoạt động, cùng những hạn chế.
Đóng dấu bản quyền AI là việc nhúng tín hiệu ẩn có thể được máy phát hiện vào nội dung do hệ thống AI tạo sinh tạo ra, để detector có khóa phù hợp sau này nhận biết hình ảnh, video, đoạn âm thanh hoặc văn bản có nguồn gốc từ hệ thống đó. Tín hiệu được thiết kế sao cho con người không thể nhận thấy và vẫn tồn tại sau các chỉnh sửa thông thường như resize và nén. Watermark là một phần trong nguồn gốc dữ liệu của nội dung tổng hợp, và quy định đang khiến chúng trở thành yêu cầu bắt buộc: Điều 50 của Đạo luật AI EU yêu cầu nhà cung cấp hệ thống tạo sinh đánh dấu đầu ra bằng định dạng máy có thể đọc và phát hiện từ ngày 2 tháng 8 năm 2026; hệ thống đã lưu hành trên thị trường có thời hạn đến ngày 2 tháng 12 năm 2026. Quy định của Trung Quốc về gắn nhãn nội dung do AI tạo, có hiệu lực từ tháng 9 năm 2025, yêu cầu nhãn ẩn trong metadata của file bên cạnh nhãn hiển thị.
Cách thức hoạt động của watermark AI#
Hầu hết phương pháp hiện nay nhúng tín hiệu trong lúc nội dung được tạo ra, khiến việc gỡ bỏ khó hơn so với dấu được thêm sau đó.
- Hình ảnh và video: Encoder đã huấn luyện tạo ra những thay đổi nhỏ trải khắp hình ảnh, sau đó decoder nơ-ron đi kèm khôi phục tín hiệu. SynthID của Google DeepMind hoạt động theo cách này với hình ảnh, video và âm thanh từ các model như Imagen, Veo và Lyria; Stable Signature của Meta fine-tune decoder của model khuếch tán latent để mọi hình ảnh tạo ra đều mang cùng một chữ ký nhị phân cố định. Các phương pháp khác cài mẫu vào nhiễu ban đầu mà model khuếch tán khử nhiễu, qua đó đan dấu vào biểu diễn không gian latent của hình ảnh ngay từ bước đầu tiên.
- Văn bản: Mô hình ngôn ngữ lớn (LLM) chọn từng token từ một phân phối xác suất; watermark văn bản điều chỉnh nhẹ các lựa chọn này theo một mẫu mà chỉ người có khóa mới kiểm tra được. SynthID Text, được mô tả trên Nature năm 2024, đã được đánh giá trên gần 20 triệu câu trả lời Gemini mà không gây suy giảm chất lượng có thể đo lường, và là mã nguồn mở trong Hugging Face Transformers.
- Dấu hậu kỳ: Có thể thêm watermark xử lý tín hiệu cổ điển, chẳng hạn mẫu trong miền tần số, vào bất kỳ file nào sau khi tạo, nhưng nhìn chung những dấu này dễ bị gỡ hơn.
Với hình ảnh, kết quả đầu ra của decoder là điểm phát hiện; với văn bản, đó là phép kiểm định thống kê trên chuỗi token, không cần truy cập model.
Watermark văn bản danh sách xanh#
Phương pháp trong A Watermark for Large Language Models của Kirchenbauer và cộng sự băm token trước đó bằng khóa bí mật để chia từ vựng thành phần "xanh" và phần còn lại "đỏ", rồi cộng một độ lệch nhỏ vào logit của token xanh trước khi lấy mẫu. Văn bản không watermark chọn token xanh theo tỷ lệ cơ sở, trong khi văn bản có watermark chọn chúng thường xuyên hơn nhiều; có thể phát hiện điều này bằng kiểm định z một tỷ lệ. Trong đoạn mã dưới đây, logit ngẫu nhiên thay cho model ngôn ngữ:
import torch
torch.manual_seed(0)
vocab, gamma, delta, length, key = 1000, 0.25, 2.0, 200, 42 # key is the secret shared with the detector
def green_list(prev):
"""Return the green 25% of the vocabulary, picked pseudorandomly from the key and previous token."""
return torch.randperm(vocab, generator=torch.Generator().manual_seed(key + prev))[: int(gamma * vocab)]
for bias in (0.0, delta): # ordinary sampling, then watermarked sampling
tokens = [0]
for _ in range(length):
logits = torch.randn(vocab) # stands in for a language model's next-token logits
logits[green_list(tokens[-1])] += bias
tokens.append(torch.multinomial(logits.softmax(0), 1).item())
# Detection needs only the text and the key: count green tokens and apply a one-proportion z-test
hits = sum(t in green_list(p) for p, t in zip(tokens, tokens[1:]))
z = (hits - gamma * length) / (length * gamma * (1 - gamma)) ** 0.5
print(f"bias {bias}: {hits}/{length} green tokens, z = {z:.1f}")Lấy mẫu thông thường chọn 44 token xanh trong 200 token (z = -1,0), gần mức kỳ vọng 25%, trong khi lần chạy có watermark chọn 141 token (z = 14,9), cao hơn nhiều so với ngưỡng z = 4 mà bài báo dùng để xác định văn bản có watermark. Vì mỗi token đóng góp bằng chứng, đoạn văn càng dài thì khả năng phát hiện càng đáng tin cậy; tín hiệu yếu hơn trong văn bản mà token tiếp theo gần như đã được xác định sẵn, chẳng hạn mã hoặc danh sách dữ kiện.
Watermarking so với các phương pháp liên quan#
- Thông tin xác thực nội dung (C2PA): Manifest metadata được ký bằng mật mã, ghi lại công cụ nào đã tạo hoặc chỉnh sửa file. Cách này lưu nhiều chi tiết hơn watermark nhưng biến mất khi file được mã hóa lại hoặc chụp ảnh màn hình, vì vậy hai phương pháp thường được kết hợp.
- Phát hiện deepfake và hình ảnh AI: Các classifier tìm dấu vết của quá trình tạo nội dung trong file không có dấu nhúng. Chúng hoạt động với đầu ra từ mọi bộ tạo, nhưng chỉ đưa ra kết quả xác suất và hiệu quả giảm khi bộ tạo được cải thiện; con người cũng dùng các dấu hiệu tương tự để nhận biết bằng mắt hình ảnh có phải do AI tạo ra hay không.
- Steganography: Giấu thông điệp bí mật bên trong file. Watermarking sử dụng các kỹ thuật này nhưng ưu tiên khả năng phát hiện bền vững thay vì giấu payload lớn.
Các nền tảng gắn nhãn nội dung tổng hợp và lọc rác do AI tạo thường kết hợp nhiều lớp kiểm tra sau:
Độ bền vững và giới hạn#
Watermark phải chịu được những thay đổi vô hại như crop, resize, chuyển màu và nén JPEG, đồng thời lý tưởng nhất là cả các tấn công đối kháng có chủ đích. Nhà phát triển kiểm thử bằng cách áp dụng các phép biến đổi kiểu tăng cường dữ liệu lên nội dung đã đánh dấu rồi đo tần suất phát hiện thành công. Các phương pháp hiện nay có những điểm yếu đã biết:
- Tái tạo: Thêm nhiễu vào hình ảnh rồi tái tạo bằng model tạo sinh sẽ loại bỏ watermark vô hình ở cấp pixel trong khi vẫn giữ hình ảnh tương tự về mặt thị giác.
- Diễn đạt lại và dịch: Viết lại văn bản có watermark bằng model khác, hoặc dịch rồi dịch ngược, làm loãng mẫu token mà detector đếm.
- Phạm vi bao phủ: Chỉ có thể phát hiện đầu ra từ nhà cung cấp nhúng dấu; model có trọng số mở có thể chạy mà không có dấu. Vì vậy, thiếu watermark không cho biết nội dung có phải do con người tạo ra hay không.
- Giả mạo: Kẻ tấn công hiểu đủ rõ một phương pháp có thể đóng dấu đó lên nội dung do con người tạo để làm mất uy tín phương pháp.
Watermark hiển thị gây ra một vấn đề riêng với dataset thị giác máy tính: model học chúng thành lối tắt. Trong một trường hợp nổi tiếng, classifier được huấn luyện trên dataset PASCAL VOC đã học cách nhận biết ngựa một phần nhờ thẻ bản quyền xuất hiện trong khoảng một phần năm ảnh ngựa, rồi thất bại khi thẻ bị xóa. Dấu và logo hiển thị là nội dung hình ảnh thông thường, vì vậy model phát hiện đối tượng Ultralytics YOLO26 được huấn luyện trên các mẫu đã gán nhãn có thể định vị chúng trong dataset training, giúp nhóm crop hoặc loại bỏ ảnh có dấu trước khi chúng khiến model học nhầm đặc trưng.










