數碼水印與 C2PA:如何理解偵測、內容來源及 AI 圖像
GDESIGN
設計發布: 10 分鐘閱讀

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。

三種機制的判讀重點(編輯部整理)
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。

學習式方法:HiDDeN 與 StegaStamp

HiDDeN(2018)訓練編碼器,將圖像與訊息組合成嵌入後的圖像,再由解碼器還原訊息。訓練會加入圖像劣化,並對 JPEG 使用可微分近似。它同時考慮畫質及還原能力,但把某種劣化加入訓練,不保證能抵抗所有未見過的編輯。

StegaStamp(2019)研究列印後以相機翻拍的流程。研究介紹中的 56 bits,是經錯誤更正後可取得的訊息量,並非整個碼字的長度。流程亦包括定位照片及校正幾何變形,然後才解碼。

比較論文中的位元錯誤率、峰值訊噪比(PSNR)或還原率,必須對照圖像、解像度、訊息長度、劣化條件及判定門檻。不能用不同實驗的數據,推論深度學習方法一定最強。

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。

實際發布流程的檢查項目(編輯部測試建議)
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

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。

相關文章