SAiW: Proaktive Wasserzeichen zur Verhinderung von Deepfakes

Deepfakes, die von modernen generativen Modellen erzeugt werden, stellen eine ernsthafte Bedrohung für die Informationsintegrität, digitale Identität und das öffentliche Vertrauen dar. Die meisten bestehenden Erkennungsmethoden reagieren lediglich auf bereits manipulierte Inhalte und verfehlen dabei oft die Generalisierung auf neue Generationstechniken. Deshalb ist ein proaktiver Ansatz nötig, der die Authentizität von Medien bereits bei der Erstellung sichert.

SAiW (Source-Attributed Invisible Watermarking) bietet genau das: ein Framework, das Wasserzeichen als source‑conditioned representation learning Problem behandelt. Durch die Einbettung der Quellenidentität in das Netzwerk mittels feature‑wise linear modulation entstehen diskriminierende, nachvollziehbare Signaturen, die gleichzeitig skalierbar für viele Quellen sind.

Ein perceptual guidance Modul, das auf Erkenntnissen des menschlichen Sehsystems basiert, sorgt dafür, dass die Wasserzeichen visuell unauffällig bleiben, während ein dualer Forensik‑Decoder gleichzeitig das Wasserzeichen rekonstruiert und die Quelle zuordnet. So liefert SAiW sowohl automatisierte Verifikation als auch interpretierbare forensische Beweise.

Umfangreiche Tests an mehreren Deepfake‑Datensätzen zeigen, dass SAiW eine hohe Bildqualität beibehält und gleichzeitig robust gegen Manipulationen ist. Das System demonstriert damit, dass proaktive Wasserzeichen eine praktikable Lösung für die Verteidigung gegen Deepfakes darstellen.