
數碼水印與 C2PA:如何理解偵測、內容來源及 AI 圖像
圖像上的標誌、看不見的水印,以及 Content Credentials,提供的線索各有不同。有標示或偵測結果,並不代表圖像內容和權利歸屬都已得到證明。
本文介紹嵌入及偵測的原理,以及如何檢查水印對編輯處理的耐受性。我們會分開討論 C2PA 的來源歷程驗證與圖像真偽判斷;日本制度則按日本原始資料介紹。
日文原文發布: 2026-05-11
可見水印、不可見水印與 C2PA 各自做甚麼
可見水印把文字或標誌疊加在圖像上,向讀者顯示名稱或使用條件。不可見水印則在圖像訊號中嵌入供偵測的圖樣或訊息。「不可見」是減低視覺影響的設計目標,不保證在所有圖像及觀看條件下都看不出來。
C2PA 以數碼簽署處理建立及編輯的紀錄。這有別於在像素內嵌入水印,但兩者可以配合使用。
如表格未能完整顯示,可左右捲動。
| 機制 | 檢查甚麼 | 不能單獨證明甚麼 |
|---|---|---|
| 可見水印 | 圖像上的標示 | 標示者是否真正擁有相關權利 |
| 不可見水印 | 相容偵測器找到的訊號或訊息 | 沒有偵測到水印的圖像是否實拍 |
| C2PA | 簽署、紀錄與內容的綁定關係 | 畫面中的事件是否真實 |
這些機制未必能阻止觀看或複製。尤其不應把 Content Credentials 等同數碼版權管理(DRM),或版權歸屬證明。
可見水印的位置及可讀性,要用實際圖像檢查
角落的標誌較少遮擋主體,但裁走該部分也會令標示消失。放在中央或重複排列的標示,可能在裁剪後較容易保留,不過仍取決於間距、文字大小及保留範圍。平鋪不代表無法移除。
不透明度 30% 等設定值,不能單獨決定標示是否清楚。背景顏色、文字顏色、大小及輸出解像度都會影響結果。請檢查光亮及陰暗位置是否易讀、縮小後名稱是否仍可辨認,以及標示有否妨礙欣賞作品。某個不透明度不是通用建議,也不保證能抵抗移除。
NanToo 的日文版圖像水印工具用於加入可見標示。疊加文字或圖像、調整位置,與不可見水印嵌入或 C2PA 簽署是不同功能。輸出為 PNG,不會保留原圖的 EXIF、位置資料或 ICC 等中繼資料。如需保存來源歷程資料,應另外確認保存流程,並在加上水印前保留原檔。
LSB 教學例子:改變很小,不代表能承受編輯
先看一個替換 8-bit 灰階數值最低有效位元(LSB)的例子。以下 JavaScript 可以執行,前提是輸入為 0 至 255 的整數,嵌入的位元為 0 或 1。
const pixel = 214; // 11010110
const bit = 1;
const encoded = (pixel & 254) | bit;
console.log(encoded); // 215
console.log(encoded & 1); // 1每個取樣值只改變 0 或 1,單憑這一點不能保證肉眼無法察覺,或資料能安全隱藏。若在 1000×1000 圖像的每個像素使用 1 bit,原始容量是 1,000,000 bits,即 125,000 bytes(125 kB,約 122.1 KiB)。標頭、錯誤更正及同步資料會佔用空間,令實際可用的訊息容量減少。
JPEG 重新壓縮或採用插值法縮放,可能改變像素值,破壞簡單 LSB 的解碼。這不代表所有位元每次都會消失。隱藏資料、承受編輯及偵測竄改,是不同的設計目標。
DCT 與 DWT:轉換名稱不能決定耐受性
離散餘弦轉換(DCT)把圖像表示成頻率成分。典型 JPEG 編碼會把它套用到 8×8 區塊。DCT 領域的水印會改動選定係數,再用逆轉換還原圖像。概念上可寫成:
F = DCT(image)
F_marked = copy(F)
for each k in selected_coefficients:
F_marked[k] = F[k] + alpha * pattern[k]
image_marked = IDCT(F_marked)未選取的係數保留原值。這並非完整演算法,仍須定義係數選擇、正規化、量化、像素數值取整及解碼步驟。alpha 的單位及適當大小取決於表示方式,0.01–0.1 並非通用建議範圍。即使採用中頻係數,訊號能否在 JPEG 量化後保留,仍取決於強度及處理條件。
離散小波轉換(DWT)利用低通及高通濾波器,把圖像分成不同尺度。相關方法可使用 LL、LH、HL、HH 等子頻帶,但單靠 DWT 不會自動獲得抵抗旋轉或裁剪的能力;對齊及冗餘設計也很重要。比較計算複雜度時,必須區分固定大小區塊的處理與整幅圖像的轉換。
擴頻:分散訊號,再檢查相關性
擴頻方法把圖樣分散嵌入多個成分,並檢查待測圖像與圖樣的相關性。Cox 等人在 1997 年發表的論文,是在視覺感知上重要的頻譜成分中嵌入訊號的代表研究。該論文的偵測需要原始圖像,並把待測圖像與原圖對齊。不能假設毋須原圖的偵測器有相同性能。
在簡化的二元模型中,設 b∈{−1,+1}、p[i] 為圖樣、alpha 為強度,可寫成 X_marked[i]=X[i]+alpha*b*p[i]。相關性也會受原始圖像 X 及其後編輯影響。偵測器可能需要在門檻附近保留「未能確定」的判定區間。
假設將 262,144 個可用係數平均分配給 64 bits,每 bit 會分到 4096 個係數。這只是分配計算,不能證明在 JPEG 品質設定 50 下仍可解碼。使用圖樣或金鑰,也不代表第三方絕對無法發現水印存在。
SynthID 偵測支援的水印,並非通用 AI 圖像判定器
Google DeepMind 在 2023 年推出 SynthID,為 Imagen 產生的圖像加入像素層級的水印。官方說明提到嵌入及偵測模型共同訓練,也承認在極端修改下並非萬無一失。不能從公開說明推論每個擴散模型去噪步驟都必須注入訊號,或不存在可以移除的訊號。
沒有偵測到水印,不等於證明圖像是實拍。圖像可能原本沒有相容水印、處理後訊號減弱,或不在偵測器支援範圍內。即使偵測到,也不能保證圖片說明或上載者的說法屬實。
2024 年的文字水印說明,是在生成時調整 token 選擇,再以統計方式偵測。簡短而固定的回答、大幅改寫或翻譯,都可能降低偵測效果。因此,不能把「至少 200 個 token」當成必定可以判斷的保證。圖像與文字水印的機制及提供範圍也未必相同。
C2PA 驗證的是紀錄及其與內容的關係
C2PA 的 Content Credentials 包含建立及編輯相關的 assertion(陳述紀錄)與數碼簽署。驗證紀錄、簽署,以及它們與內容的綁定關係,有助辨識變更痕跡及判讀簽署者的信任資料。這類內容紀錄未必包含人類作者姓名或完整編輯歷程。
驗證成功,不代表相機前發生的事件或圖片說明一定真實。仍要考慮簽署者、產生紀錄的實作,以及當中資料的範圍。能否完整查驗素材(ingredient)的來源歷程,也取決於能否取得相關資料。
manifest(資訊清單)可以嵌入檔案,也可以存放於外部。檔案內的紀錄遺失後,水印或指紋等軟綁定(soft binding)機制可協助重新找到相關的 Content Credentials。不過,重新找到紀錄與密碼學驗證是兩個步驟,不能保證所有發布平台都可自動恢復。沒有 Content Credentials,本身並不是造假證據。
測試發布流程:螢幕截圖與相機翻拍並不相同
數碼螢幕截圖取得的是顯示像素。用相機拍攝螢幕,則另外涉及光學系統、照明、角度及感光元件。把兩者都視為相同的「數碼轉模擬,再轉回數碼」流程,會混淆測試條件。
如表格未能完整顯示,可左右捲動。
| 處理 | 須記錄的條件 | 須檢查的結果 |
|---|---|---|
| 重新儲存 JPEG | 編碼器、品質設定、次數 | 畫質、偵測率、誤報率 |
| 縮放或裁剪 | 尺寸、插值方法、保留範圍 | 同步及訊息還原 |
| 螢幕截圖 | 顯示比例、螢幕解像度 | 訊號及來源資料是否保留 |
| 列印及相機翻拍 | 紙張、照明、距離、角度 | 從定位到解碼的結果 |
除了有水印的圖像,也要用沒有水印的圖像量度誤報。描述抵抗移除或竄改的能力時,應一併列出可接受的畫質及測試條件。只按方法名稱評定強弱並不足夠。即使結合標示、偵測及紀錄驗證,仍須妥善保存原檔及查證來源。
日本制度與發布前的實務檢查
本節介紹日本制度,並非把它當作香港或其他地區的法律。日本總務省及經濟產業省發布的「AI事業者ガイドライン」,是協助業者規劃實務做法的指引。不能直接把指引中的建議說成一律適用的法定義務或刑罰;應在官方發布頁確認版本及適用範圍。
日本《著作權法》區分技術保護措施、以技術限制作品使用的措施(日本法原文:技術的利用制限手段),以及權利管理資料。第 2 條的定義及第 113 條第 8 項有關權利管理資料的規定,都有要件及例外,不能把所有移除水印的行為一律判定為觸犯特定條文的罪行。技術上能夠移除,亦不等於獲准使用或修改作品。
發布前請保留原檔及編輯紀錄,選擇所需標示,並重新開啟經實際發布渠道傳送的副本。同時檢查有否不想公開的姓名、位置或其他資料。來源歷程紀錄遺失時,應視為資料不足,不宜立即斷定圖像是實拍、AI 生成或涉及侵權。
參考資料及來源
- C2PA: Content Credentials : C2PA Technical Specification ↗(參閱版本:2.5。)
- C2PA: C2PA FAQ ↗
- Google DeepMind: Identifying AI-generated images with SynthID ↗
- Google DeepMind: Watermarking AI-generated text and video with SynthID ↗
- arXiv: HiDDeN: Hiding Data With Deep Networks ↗
- Matthew Tancik et al.: StegaStamp — Invisible Hyperlinks in Physical Photographs ↗
- IEEE: Secure Spread Spectrum Watermarking for Multimedia ↗
- 経済産業省: AI事業者ガイドライン ↗
- e-Gov 法令検索: 著作権法 ↗
編輯說明
本文使用 AI 協助編輯,並在發布前由編輯核對。內容仍可能包含事實、理解或時效上的錯誤;作出重要決定前,請查閱所列的一手資料或官方文件。

