في عصر تتزايد فيه أهمية الصور الناتجة عن الذكاء الاصطناعي (AI)، تعتبر العلامات المائية (Watermarking) أداة حيوية لضمان حقوق الطبع والنشر وإثبات مصدر المحتوى. لكن، تكمن المشكلة في أن تقنيات إزالة العلامات المائية القائمة حاليًا قد لا تعمل بشكل فعّال، فهي عادة ما تستهدف نماذج مولدة معينة أو تتسبب في تدهور جودة الصورة بشكل ملحوظ.

تقدم الورقة البحثية الجديدة "مارك نول" (MarkNull) حلًا مبتكرًا يتميز بقدرته على إزالة العلامات المائية دون الحاجة لتحديد نماذج معينة، من خلال معالجة على مستوى الفضاء الكامن (Latent Space). يرتكز هذا الهجوم على ما يعرف بعلاقة ضبط الضوضاء والتمثيل الكامن، مما يسهل تحديد كيفية إزالة العلامة المائية الرئيسية دون فقدان الجودة البصرية.

لتقييم فعالية هذه التقنية، يقدّم الباحثون ما يسمى بـ "درجة محاذاة الضوضاء والتمثيل الكامن" (Noise-Latent Alignment Score) ويعملون على صياغة هدف تحسين يهدف إلى فصل العلاقة بين التمثيل الكامن والعلامة المائية.

عبر تجارب شاملة على عدة فئات من الأنظمة المتعددة العلامات المائية، أظهرت نتائج مارك نول تقليلاً في دقة البت (Bit Accuracy) لتصل إلى 53.14%، ما يقارب التوقع العشوائي (50%) بدون إحداث تدهور ملحوظ في جودة الصورة.

لزيادة قدرة هذه التقنية على التوسع، تم تقديم إصدار "مارك نول-أ" (MarkNull-A)، والذي يعد نسخًا محسنًا يمكن تنفيذه بدون عمليات تحسين معقدة، ويحقق سرعة 0.50 ثانية لكل صورة مع حمل حسابي معتدل.

المثير للاهتمام في هذه الأبحاث هو أن الهجمات الناجحة قد تمكنت من اختراق نظام "SynthID-Image" الخاص بشركة جوجل، مما يبرز الفجوة في الأمان المتعلق بالعلامات المائية.

في ختام هذه الدراسة، يقدم الباحثون أيضًا آلية للكشف عن الهجمات كأسلوب دفاعي يرافق تقنية مارك نول، وهو ما يعكس ضرورة تطوير تصميمات مقاومة لهجمات الفضاء الكامن النموذجية.

ما رأيكم في هذه التقنية الجديدة؟ هل تعتقدون أنها ستغير طريقة تعاملنا مع العلامات المائية؟ شاركونا آرائكم في التعليقات.