數位浮水印與 C2PA 有何不同?理解偵測、內容來源與 AI 圖片
GDESIGN
設計發布: 10 分鐘閱讀

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。

三種機制的判讀重點(編輯部整理)
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。

學習式方法:HiDDeN 與 StegaStamp

HiDDeN(2018)訓練編碼器,將影像與訊息組合成嵌入後的影像,再由解碼器還原訊息。訓練過程加入影像劣化,並對 JPEG 使用可微分的近似。它同時考量畫質與還原能力,但把某種劣化加入訓練,不保證能承受所有未見過的編輯方式。

StegaStamp(2019)研究列印後再以相機拍攝的流程。其介紹中的 56 位元,是經錯誤更正後可取得的訊息量,不是完整碼字長度。流程還包括定位照片、校正幾何變形,再進行解碼。

比較論文的位元錯誤率、峰值訊噪比(PSNR)或還原率時,必須對照影像、解析度、訊息長度、劣化條件與判定門檻。不能從不同實驗的數據推論「深度學習一定最強」。

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。

實際發布流程的檢查項目(編輯部測試建議)
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

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。

相關文章