谷歌AI水印系统SynthID真的被破解了吗?

一位名为Aloshdenny的开发者声称已对谷歌DeepMind的SynthID水印系统实施逆向工程,仅凭200张Gemini生成的纯黑图片、信号处理技术,便提取出水印特征并干扰检测器识别。然而,谷歌方面否认该工具能系统性移除SynthID水印,并强调其鲁棒性。开发者本人也承认,他只能"迷惑"解码器,并未真正删除水印,认为SynthID的设计目标是提高滥用成本,而非绝对无法破解。

有一定道理,但也并非完全如此,情况较为复杂。

一位软件开发者声称已对谷歌DeepMind的SynthID系统进行了逆向工程,并展示了如何从生成图像中剥离AI水印,或将其手动嵌入其他作品。对此,谷歌方面表示,该说法并不属实。

这位开发者以用户名"Aloshdenny"为网络身份,已在GitHub上开源了其研究成果,并记录了整个过程。据其描述,这一切只需要200张由Gemini生成的图像、一些信号处理知识,以及"大把闲暇时光"。

"不需要神经网络,不需要专有访问权限,"Aloshdenny在Medium上写道,"事实证明,只要你没有工作,把足够多的'纯黑色'AI生成图像取平均,每一个非零像素就是水印本身,就这么简单。"

SynthID是一套几乎不可见的水印系统,专门为谷歌AI工具生成的内容打上标记,在图像创建之初便将水印嵌入像素层中。该系统在设计上具备高度抗删除性——强行去除水印会明显损伤图像质量。目前,SynthID已被广泛应用于谷歌旗下各类AI产品,包括Nano Banana和Veo 3等模型的输出内容,甚至YouTube上由AI生成的创作者虚拟克隆内容也加载了SynthID水印。

以下是一组对比图:左侧为仍保留SynthID水印的图像,右侧为水印被部分移除、足以欺骗检测器后的效果。两者之间仅有细微的视觉差异,说明去除过程对图像质量的损耗极为有限。

Aloshdenny表示,他认为SynthID是"真正优秀的工程作品",并坦承在测试中始终无法将水印彻底清除,最终只能采用干扰SynthID解码器读取水印图像的方式来绕过检测。

破解谷歌水印底层机制的过程,对于非开发者而言具有相当的技术门槛。如有兴趣,可前往Aloshdenny的Medium页面阅读完整分析(据称是在特定状态下撰写的)。以下是简化版说明:

第一步,使用Gemini生成200张全黑或纯白图像,增强对比度与饱和度,再对饱和度进行降噪处理,以此暴露水印图案。

第二步,对所有图案取均值,找出每个频率区间、每个通道上水印信号的幅度与相位。

第三步,在目标图像中搜寻这些频率的踪迹,并以水印嵌入时的相同角度,将其部分移除。

"我最多只能做到让解码器产生混乱、令其放弃读取,而不是真正删除水印——这本身就说明它的设计有多出色,"Aloshdenny表示,"它并不完美,但它的目标也不是做到无懈可击,而是将滥用成本提高到让大多数人望而却步的程度。"

笔者尚未亲自测试Aloshdenny这个针对谷歌SynthID水印系统的逆向工程项目,因此无法对其实际效果作出保证。就目前情况而言,SynthID似乎并未真正意义上被破解——至少还没有到任何人都能下载工具、一键去除或伪造谷歌水印以欺骗AI检测系统的程度。谷歌方面同样不认可Aloshdenny的相关声明。

"声称该工具可以系统性地去除SynthID水印,这种说法是错误的,"谷歌发言人Myriam Khan向The Verge表示,"SynthID是一套针对AI生成内容的强健、高效水印工具。"

Q&A

Q1:SynthID是什么?它是如何工作的?

A:SynthID是谷歌DeepMind开发的一套近乎不可见的AI内容水印系统。它在图像生成之初便将水印直接嵌入像素层,设计上具备高度抗删除性——强行去除会明显损伤图像质量。目前,SynthID已被广泛部署于谷歌旗下AI产品,包括Nano Banana、Veo 3等模型的输出内容,以及YouTube上的AI生成虚拟克隆内容。

Q2:Aloshdenny是如何尝试破解SynthID的?

A:Aloshdenny使用Gemini生成了200张纯黑或纯白图像,通过增强对比度、饱和度并进行降噪处理来暴露水印图案,再对图案取均值找出水印信号的频率特征,最终在目标图像中定位并部分移除相关频率。整个过程不涉及神经网络或专有访问权限,仅依赖信号处理技术。

Q3:SynthID有没有被彻底破解?

A:目前来看没有。Aloshdenny本人也承认,其最多只能干扰SynthID解码器使其放弃读取,而无法将水印彻底删除。谷歌发言人也明确表示,该工具无法系统性地去除SynthID水印,SynthID仍是一套针对AI生成内容的强健有效的水印工具。

来源:The Verge

0赞

好文章,需要你的鼓励

2026

04/15

18:40

分享

点赞

邮件订阅