近年来，潜扩散模型凭借显著的商用价值，已在各行各业得到广泛应用。但现阶段由潜扩散模型生成的内容缺少完备的版权保护机制，由此引发了诸多严峻的法律与伦理问题。针对该痛点，学界提出模型水印技术作为可行的解决思路。传统水印方案大多在图像生成完成后再嵌入水印，导致水印防护效果存在明显局限。本文提出一种名为潜域印记(Latent Seal)的全新水印框架，可在内容生成阶段直接完成水印嵌入操作。该方案采用编码器-解码器架构：潜空间编码器在生成图像的过程中将图像水印嵌入至潜变量空间，配套的潜空间解码器可保证仅能从携带水印的图像中解析出目标水印。大量实验结果表明，潜域印记在水印不可感知性与鲁棒性两项指标上均具备优异表现。相关成果已发表于MIR 2026年第4期专题。

图片来自Springer

全文下载：

The Latent Seal: Robust Model Watermarking for Latent Diffusion Model

Qin Zhao, Tong Liu, Xiaochen Yuan, Guoheng Huang, Xueyuan Gong & Wei Wang

https://link.springer.com/article/10.1007/s11633-025-1620-y

在人工智能生成内容时代，潜扩散模型凭借生成高质量、多样化内容的突出能力迅速受到各界重视。该模型的应用场景覆盖图像合成以及复杂多媒体内容生成等领域，广泛的产业应用凸显了其在多个领域的变革潜力。但技术迭代升级的同时也衍生出棘手难题，集中体现在生成内容检测与版权保护两大方面。一方面，随着潜扩散模型的精度与智能化程度不断提升，真实图像与AI生成内容的区分难度持续加大。不法分子借此滥用技术制作不良有害内容、操控舆论走向、扰乱正常行业秩序。另一方面，潜扩散模型具备可观的商业价值，极易遭到内外部主体的盗用与抄袭，带来严峻的版权安全隐患。

为化解上述各类问题，模型水印技术可为AIGC溯源检测与版权防护提供一条可行路径。水印能够嵌入潜扩散模型及其生成产物中充当数字指纹，在甄别AI生成内容、追踪侵权行为方面起到关键作用。现有面向潜扩散模型的模型水印方案主要分为两类：后处理式水印与生成过程内嵌式水印。后处理水印是在图像生成完毕后再完成水印嵌入工作，该方式灵活性高、落地实现门槛低。但该水印属于外部附加模块，容易被移除。与之不同，生成内嵌式水印在模型生成图像的流程中直接植入水印信息，水印会在生成过程中自然融入最终输出。该方法虽能更好抵御各类后处理手段带来的水印剔除攻击，却依然难以对抗专门针对水印痕迹设计的自适应去除攻击。

为解决现有方案存在的上述缺陷，本文提出潜域印记(Latent Seal)——一种面向潜扩散模型的鲁棒水印方案，可在内容生成阶段直接嵌入RGB图像水印。该方法主要面向闭源模型的应用场景，例如DALL-E 3。方案的实际应用流程如图1所示。在实际部署流程中，模型提供方负责对潜扩散模型进行训练，使其生成的图像内嵌携带版权信息的水印。借助潜空间水印编码器，本方法可在潜扩散模型生成图像的过程中将定制的真值水印直接嵌入图像。使用者仅需输入文本提示词，即可便捷产出携带水印的图像文件。这些含水印图像后续会被上传至网络并在各类社交平台流转传播。当出现疑似AI生成、涉嫌版权侵权的可疑图像时，模型提供方可依托潜空间水印解码器提取图像内的水印数据。将提取出的水印与原始真值水印比对校验，即可判断图像是否为AI生成，并核验其版权信息。本文的核心创新贡献归纳如下：

图 1 本文所提潜域印记(Latent Seal)方案的实际应用流程

1) 本文提出一种面向潜扩散模型的鲁棒模型水印方法——潜域印记，实现在模型生成图像阶段嵌入大容量图像水印。

2) 设计并构建了潜空间水印编码器作为潜域印记的水印嵌入模块，可将图像水印直接融合至潜扩散模型的生成流程之中。

3) 设计配套的潜空间水印解码器作为水印提取模块，保证仅能从携带水印的图像中提取出水印信息。

4) 大量实验分析结果表明，在水印隐蔽性以及抵御各类图像攻击的鲁棒性两项指标上，潜域印记相较现有主流水印基准方法具备显著优势。

本文其余章节安排如下：第2章梳理该领域的现有前沿技术；第3章详细介绍本文所提潜域印记方案；第4章开展相关实验并对实验结果进行分析；第5章对全文研究工作进行总结。

全文下载：

The Latent Seal: Robust Model Watermarking for Latent Diffusion Model

Qin Zhao, Tong Liu, Xiaochen Yuan, Guoheng Huang, Xueyuan Gong & Wei Wang

https://link.springer.com/article/10.1007/s11633-025-1620-y

BibTex:

@Article{MIR-2025-03-119,

author={Qin Zhao, Tong Liu, Xiaochen Yuan, Guoheng Huang, Xueyuan Gong, Wei Wang},

journal={Machine Intelligence Research},

title={The Latent Seal: Robust Model Watermarking for Latent Diffusion Model},

year={2026},

volume={23},

issue={4},

pages={770-785},

doi={10.1007/s11633-025-1620-y}}

特别感谢本文作者团队对以上内容的审阅和修改！

纸刊免费寄送

MIR为所有读者提供免费寄送纸刊服务，如您对本篇文章感兴趣，请点击下方链接填写收件地址，编辑部将尽快为您免费寄送纸版全文！

说明：如遇特殊原因无法寄达的，将推迟邮寄时间，咨询电话010-82544737

收件信息登记：

https://lcn76mgd97vz.feishu.cn/share/base/form/shrcnsQ6cmRjqoxPF5WDowSBFVr

支持单位：