提出残差可迁移性度量与CoverLock防御

2026年10月27日，arXiv Computer Vision 刊出 Ziping Dong 等作者的研究，将神经图像水印的可伪造漏洞形式化为残差可迁移性（RT），用于量化水印证据在迁移到无关图像后仍可解码的程度。研究通过对比分析与控制干预发现，训练侧常见差异无法解释不同水印系统间巨大的 RT 差异，架构设计才是核心因素，并据此识别出两种增强水印证据对载体图像依赖的机制。该研究同时提出 CoverLock 防御策略。目前事件进展停留在论文发布与度量、防御框架的提出阶段，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。