في عالم الذكاء الاصطناعي، تظل تقنية العلامات المائية أداة مركزية لتوثيق المصدر في النماذج التوليدية. لكن تطبيقها على السلاسل الزمنية المتعددة كان يعاني من ضعف الثقة تحت الضغوط الهجومية بعد التحرير. في هذا السياق، كشفت مجموعة من الباحثين عن نموذج جديد يحمل اسم L-VQVAE، والذي يعد محوريًا في تحسين فعالية العلامات المائية.

تتجلى المشكلة الأساسية في أن الكاشفات الحالية، التي تعتمد على إعادة التشفير المعتمدة عالميًا، تعاني من انزلاق ثنائي الاتجاه في توزيع القيمة الفارغة (null distribution). فعندما تحدث هجمات التحرير، يمكن أن يؤدي ذلك إلى تغيير قيمة z لعينات غير معلمة بالماء في أي من الاتجاهين، مما يبطل العتبات المعايرة بشكل سليم. وبالتالي، يتضح أن هذه اللاموثوقية هي خاصية ناتجة عن إعادة التشفير.

لضمان الكشف الموثوق، يقترح الباحثون أن كل وحدة مستعادة يجب أن تعتمد فقط على جيرة زمنية محدودة. وبناءً عليه، يظهر النموذج الاقتراحي L-VQVAE، حيث يتم إنتاج كل رمز منفصل من نافذة متجاورة قصير.

علاوة على ذلك، تم تقديم LVQMark، وهي طريقة لعلامات مائية تستخدم هذه المساحة الرمزية وتجمع بين حقن التحيز اللوجي وأسلوب إعادة التشفير القوي للكشف أثناء الهجوم.

أظهرت التجارب على أربعة نماذج مرجعية تشمل مجالات مثل المالية والطاقة والتصوير العصبي، أن هذا النهج يحافظ على جودة الجيل بينما يضمن استقرار قوة الكشف وسلوك الإيجابيات الكاذبة أثناء الهجمات بعد التحرير.

باختصار، يعتبر نموذج L-VQVAE خطوة جديدة نحو تحسين الاعتماد على العلامات المائية في السلاسل الزمنية، مما يزيد فعالية التطبيقات المستقبلية في عالم الذكاء الاصطناعي.