英语轻松读发新版了,欢迎下载、更新

研究人员说,AI艺术保护工具仍然使创作者处于危险之中。

2025-06-24 10:09:41 英文原文

作者:External Affairs and Communications

因此,一群研究人员说,在艺术家最使用的两种艺术保护工具中发现了重大弱点,以保护他们的作品。

根据他们的创作者的说法,釉料和夜幕均已开发出来,以保护人类创意免受生成人工智能的侵入性用途。

这些工具在数字艺术家中很受欢迎,他们希望停止人工智能模型(例如AI艺术生成器稳定扩散)未经同意即可复制其独特风格。同时下载了将近900万次的釉料和夜幕。

但是,根据国际研究人员的说法,这些工具具有关键的弱点,这意味着它们不能可靠地阻止AI模型对艺术家的培训。

这些工具为数字图像增加了微妙的无形畸变(称为中毒扰动)。这些毒物旨在在训练过程中混淆AI模型。Glaze采用一种被动的方法,阻碍了AI模型提取关键风格特征的能力。夜幕降临进一步发展,通过使AI模型将艺术家的风格与无关的概念相关联,从而积极破坏学习过程。

但是研究人员创造了一种称为Lightshed的方法,可以绕过这些保护。Lightshed可以检测,反向工程并消除这些扭曲,有效地剥离了毒药,并使图像再次可用于生成AI模型训练。

它是由剑桥大学的研究人员与技术大学达姆斯塔特(Darmstadt)和得克萨斯大学圣安东尼奥分校的同事一起开发的。研究人员希望通过宣传他们的工作USENIX安全研讨会,一个重大的安全会议,他们可以让创意人知道艺术保护工具存在主要问题。

Lightshed通过三步过程来工作。它首先确定是否已使用已知中毒技术改变了图像。

在第二个反向工程步骤中,它使用公开可用的中毒示例了解了扰动的特征。最后,它消除了毒药以将图像恢复为原始的,未受保护的形式。

在实验评估中,Lightshed检测到具有99.98%精度的夜叶保护图像,并有效地从这些图像中取出了嵌入式保护措施。

``这表明,即使使用夜影等工具,艺术家仍然有未经同意的人的作品被用于培训AI模型的风险。”剑桥计算机科学技术部的第一作者汉娜·福斯特(Hanna Foerster)说,他们在Tu Darmstadt的实习期间进行了工作。

尽管Lightshed揭示了艺术保护工具中的严重脆弱性,但研究人员强调,它不是作为对它们的攻击而开发的,而是紧迫的行动呼吁,以产生更好,更适应性的攻击。

来自达姆施塔特技术大学的合着者艾哈迈德·雷扎·萨迪(Ahmad-Reza Sadeghi)的合着者艾哈迈德·雷扎·萨迪(Ahmad-Reza Sadeghi)说,我们认为这是共同进化防御的机会。我们的目标是与该领域的其他科学家合作,并支持艺术界开发可以承受高级对手的工具。”

AI和数字创造力的景观正在迅速发展。今年3月,Openai推出了Chatgpt图像模型,该模型可以立即以日本动画工作室吉卜力(Ghibli)的风格制作艺术品。

这引发了有关图像版权的广泛的病毒模因和同样广泛的讨论,其中法律分析师指出,由于版权法保护特定的表达,而不是特定的艺术风格,因此吉卜力工作室对此的反应将受到限制。一个 

在这些讨论之后,OpenAI宣布了迅速的保障措施,以阻止一些用户请求以生成活着艺术家风格的图像。一个 

但是,关于生成AI和版权的问题仍在进行中,正如目前在伦敦高等法院审理的版权和商标侵权案件所强调的那样。

全球摄影机构Getty Images声称,总部位于伦敦的AI公司稳定性AI在该机构的受版权保护图片的庞大档案中训练了其图像生成模型。稳定性AI正在与盖蒂的主张作斗争,并认为此案代表了对生成AI行业的明显威胁。

本月早些时候,迪士尼和环球影业宣布,他们正在起诉AI公司Midjourney的图像生成器,这两家公司说,这是一个无底的窃坑。”

Foerster说:``我们希望在工作中做到的是迫切需要对更有弹性,以艺术家为中心的保护策略进行路线图。”我们必须让创意人知道他们仍然处于危险之中,并与他人合作,以便将来开发更好的艺术保护工具。

汉娜·福斯特(Hanna Foerster)是剑桥唐宁学院(Downing College)的成员。 

参考:
Hanna Foerster等。浅雪:击败基于扰动的图像版权保护。https://www.usenix.org/conference/usenixsecurity25/presentation/foerster

关于《研究人员说,AI艺术保护工具仍然使创作者处于危险之中。》的评论


暂无评论

发表评论

摘要

研究人员发现了两种广泛使用的数字艺术保护工具的釉料和睡衣,旨在保护艺术家的作品免于未经授权的AI使用。尽管研究人员在数字艺术家中的普及,但研究人员仍创造了灯罩 - 这种方法通过检测,反向工程和消除这些工具添加的扭曲来绕过这些保护措施。Lightshed在识别受夜幕保护图像并有效中和嵌入式保护措施时达到了近乎完美的精度。该研究强调了目前的艺术保护方法正在进行的问题,并要求提供更多有弹性的解决方案,以保护艺术家的知识产权免受生成AI模型的侵害。