PP-Mark 提出基于零知识证明的可公开验证生成式 AI 水印方案

该论文针对生成式 AI 图像与真实数据难以区分且现有水印在检测器公开后易受伪造攻击的问题，提出了 PP-Mark 框架。该框架通过将轻量级统计检测锚定到嵌入过程的零知识证明上，确保伪造内容无法通过构造性验证，并在标准密码学假设下建立了形式化不可伪造性。

作者在两个潜在扩散模型（SD2.1 和 SDXL）上进行了验证，结果显示 PP-Mark 能抵抗黑盒印记伪造、白盒优化及再生攻击，同时保持去中心化验证的实用性。代码已随论文发布，该研究已被 NeurIPS 2026 接收。

事实层面，PP-Mark 利用零知识证明机制解决了传统水印检测器公开后的脆弱性；推断层面，这种机制可能推动行业从“秘密检测”转向“可验证信任”的水印标准；猜测层面，若此类方案成为主流，可能会显著增加对抗性攻击的成本并改变多模态内容的溯源流程。