
數位浮水印與 C2PA 有何不同?理解偵測、內容來源與 AI 圖片
圖片上的標誌、看不見的浮水印與 Content Credentials,提供的是不同類型的線索。出現標示或偵測結果,並不代表圖片內容與權利歸屬已獲得完整證明。
本文說明嵌入與偵測的原理,以及如何評估浮水印對編輯處理的耐受性。我們會區分 C2PA 的內容來源驗證與圖片真偽判斷;日本制度則依日本原始資料介紹。
日文原文發布: 2026-05-11
可見浮水印、不可見浮水印與 C2PA 的用途不同
可見浮水印把文字或標誌疊加在圖片上,讓讀者看見名稱或使用條件。不可見浮水印則在影像訊號中嵌入供偵測的圖樣或訊息。「不可見」是降低視覺影響的設計目標,不保證在所有圖片與觀看條件下都看不出來。
C2PA 以數位簽章處理建立與編輯的紀錄。它與在像素中嵌入浮水印是不同的機制,但兩者可以搭配使用。
表格若超出畫面寬度,可左右捲動。
| 機制 | 檢查項目 | 無法單獨證明的事 |
|---|---|---|
| 可見浮水印 | 圖片上的標示 | 標示者是否真正擁有權利 |
| 不可見浮水印 | 相容偵測器找到的訊號或訊息 | 未偵測到浮水印的圖片是否為實拍 |
| C2PA | 簽章、紀錄與內容之間的綁定關係 | 畫面中的事件是否真實 |
這些機制不一定能阻止觀看或複製。尤其不能把 Content Credentials 當成數位權利管理(DRM),或著作權歸屬的證明。
以實際圖片決定可見浮水印的位置與可讀性
角落的標誌較不容易遮住主體,但裁掉該區域也會移除標示。置中或重複排列的標示,可能在裁切後保留較多,不過仍取決於間距、文字大小與留下的區域。平鋪排列不代表無法移除。
不透明度 30% 之類的設定值,不能單獨決定可見程度;背景色、文字顏色、大小與輸出解析度都會影響結果。請檢查亮處與暗處是否清楚、縮小後名稱是否仍可辨識,以及標示是否妨礙欣賞作品。特定不透明度不是通用建議,也不保證能抵抗移除。
NanToo 的日文版圖片浮水印工具用於加入可見標示。文字或圖片疊加與位置調整,不等同於不可見浮水印嵌入或 C2PA 簽署。輸出為 PNG,不會保留原圖的 EXIF、位置資訊或 ICC 等中繼資料。需要保存內容來源資訊時,應另行確認保存流程,並在加入浮水印前保留原始檔。
LSB 教學範例:改變幅度小,不代表能抵抗編輯
考慮替換 8 位元灰階值的最低有效位元(LSB)。以下是可執行的 JavaScript 教學範例,假設輸入為 0 到 255 的整數,要嵌入的位元為 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,仍不足以保證人眼無法察覺或能安全隱藏資料。若在 1000×1000 圖片的每個像素使用 1 位元,原始容量為 1,000,000 位元,也就是 125,000 位元組(125 kB,約 122.1 KiB)。標頭、錯誤更正與同步資訊會占用空間,因此實際訊息容量較小。
JPEG 重新壓縮或使用內插法縮放,可能改變像素值,破壞簡單的 LSB 解碼;這不表示每次都會失去所有位元。隱藏資料、承受編輯與偵測竄改,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)將影像表示為頻率成分;典型的 JPEG 編碼會將它套用至 8×8 區塊。DCT 領域的浮水印會修改選定係數,再透過反轉換還原影像。以下是概念性寫法:
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。這不是完整演算法,仍須定義係數選擇、正規化、量化、像素值的捨入與解碼步驟。alpha 的單位與適當大小取決於表示方式,不能把 0.01–0.1 當作通用建議範圍。即使採用中頻係數,能否在 JPEG 量化後保留訊號,仍取決於強度與處理條件。
離散小波轉換(DWT)利用低通與高通濾波器,把影像分解成不同尺度。相關方法可使用 LL、LH、HL、HH 等子頻帶,但單靠 DWT 並不會自動獲得抵抗旋轉或裁切的能力,還需要對齊與冗餘等設計。比較計算複雜度時,也要區分固定大小區塊的處理與整張影像的轉換。
展頻:分散訊號並檢查相關性
展頻方法將圖樣分散嵌入多個成分,並檢查待測影像與圖樣的相關性。Cox 等人於 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影像,並將待測影像與原圖對齊。不能假設不使用原圖的偵測器也具有相同性能。
在簡化的二元模型中,設 b∈{−1,+1}、p[i] 為圖樣、alpha 為強度,則可寫為 X_marked[i]=X[i]+alpha*b*p[i]。相關性也會受到原始影像 X 與後續編輯的影響。偵測器可能需要在門檻附近保留「無法確定」的判定區間。
假設將 262,144 個可用係數平均分配給 64 位元,每位元會分到 4096 個係數。這只是容量分配的計算,不能證明在 JPEG 品質設定 50 時仍可解碼。有圖樣或金鑰,也不代表第三方絕對無法發現浮水印的存在。
SynthID 偵測支援的浮水印,不是通用 AI 圖片判定器
Google DeepMind 在 2023 年發表 SynthID,為 Imagen 產生的圖片加入像素層級的浮水印。官方說明提到共同訓練嵌入與偵測模型,也明確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雜訊步驟都必須注入訊號,或不存在可移除的訊號。
未偵測到浮水印,不等於證明圖片是實拍。圖片可能原本就沒有相容浮水印、訊號在處理後減弱,或不在偵測器支援範圍內。即使偵測到,也不能保證畫面說明或上傳者的主張為真。
2024 年的文字浮水印說明,是在生成時調整 token 的選擇,再以統計方式偵測。簡短且固定的回答、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」當作必定可判定的保證。圖片與文字浮水印的機制及提供範圍也不一定相同。
C2PA 驗證紀錄與內容之間的關係
C2PA 的 Content Credentials 包含建立與編輯相關的 assertion(陳述紀錄)及數位簽章。驗證紀錄、簽章及其與內容的綁定關係,有助於辨識變更痕跡,以及判讀簽署者的信任資訊。這類內容紀錄不一定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必然真實。仍需考量簽署者、產生紀錄的實作,以及所包含資訊的範圍。能否完整檢查素材(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。檔案中的紀錄遺失後,可藉由浮水印或指紋等軟綁定(soft binding)機制,協助重新找到關聯的 Content Credentials。不過,重新找到紀錄與密碼學驗證是不同步驟,不能保證在每個發布平台都能自動恢復。沒有 Content Credentials 本身不是造假的證據。
評估發布流程:螢幕截圖與相機翻拍不同
數位螢幕截圖取得的是畫面像素;以相機拍攝螢幕,則另外涉及光學系統、照明、角度與感光元件。把兩者都當成相同的「數位轉類比,再轉回數位」過程,會混淆測試條件。
表格若超出畫面寬度,可左右捲動。
| 處理方式 | 應記錄的條件 | 應檢查的結果 |
|---|---|---|
| 重新儲存 JPEG | 編碼器、品質設定、次數 | 畫質、偵測率、誤判率 |
| 縮放或裁切 | 尺寸、內插方法、保留區域 | 同步與訊息還原 |
| 螢幕截圖 | 顯示縮放比例、螢幕解析度 | 訊號與來源資訊是否保留 |
| 列印後以相機翻拍 | 紙張、照明、距離、角度 | 從定位到解碼的結果 |
除了有浮水印的圖片,也要用沒有浮水印的圖片測量誤判率。說明抵抗移除或竄改的能力時,應同時列出可接受的畫質與測試條件。只依方法名稱標示強弱,並不足以評估。即使結合標示、偵測與紀錄驗證,仍需妥善保存原始檔並查核來源。
日本制度與發布前的實務檢查
本節介紹日本制度,不將它當成台灣或其他地區的法律。日本總務省與經濟產業省發布的「AI事業者ガイドライン」,是協助事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事處罰;應在官方發布頁確認版本與適用範圍。
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),以及權利管理資訊。第 2 條的定義與第 113 條第 8 項關於權利管理資訊的規定,均有要件與例外,不能將所有移除浮水印的行為一律判定為觸犯特定條文的犯罪。技術上能移除,也不等於有權使用或修改作品。
發布前請保留原始檔與編輯紀錄,選擇需要的標示,並重新開啟經實際發布管道傳送的副本。同時檢查是否包含不想公開的姓名、位置或其他資訊。來源紀錄遺失時,應視為資訊不足,不宜立即斷定圖片是實拍、AI 生成或涉及侵權。
參考資料與來源
- C2PA: Content Credentials : C2PA Technical Specification ↗(參考版本: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,並於發布前由編輯確認。內容仍可能包含事實、解讀或時效上的錯誤;進行重要判斷前,請查閱所列的一手資料或官方文件。

