真假難分的創作時代 浮水印的嵌入技術
生成式AI讓創作變得前所未有的輕鬆與普及，徹底改變了世界對創作的定義，然而，在便利之餘也帶來了前所未有的困擾，各種虛假資訊隨之氾濫。假新聞、偽造影片、內容篡改與移花接木接踵而來，真假難分的內容滋長詐騙風險。除了立法明訂應對政策之外，各種AI作品檢測技術也被發展出來。然而，最有效的方式莫過於作品生成時，隨即埋下的不可見數位標記——隱藏式浮水印，讓生成內容能被追蹤與檢測。本文簡介各種生成式內容的浮水印嵌入技術。
撰文｜穿山甲
人工智慧的創造能力正在改寫世界對創作的認知。從寫作、繪圖、音樂到影片，AI都能以驚人的速度生成內容。不必會作曲、不須懂繪圖，只要輸入指令，AI就能為你達成。它讓創意不再被框架在複雜技術之中，實現的門檻變得前所未有的低，也讓生活充滿各種新奇的作品。
然而，AI不只可以用來創造，也能用來偽造。在短短幾年間，網路充斥了各種以假亂真的影片。那些虛假影片搭配聳動標題，往往比真實訊息更有說服力。有人用來散播謠言、影響選舉；也有人假冒聲音進行詐騙，造成他人金錢損失與名譽受損。
虛假訊息 有跡可循
面對這樣的威脅通常還是可以找出些許蛛絲馬跡。例如，AI生成的詞句往往過於平淡，文字完美卻缺少情感與細膩的真實感，以及人類撰寫多少帶有一些錯誤。AI亦有可能在不同段落重複描述同一件事，或出現明顯的錯誤資訊等；影像方面，AI生成的人物動作通常不夠自然，光影細節時而錯亂，背景質感如同畫作。人體可能會出現多隻手臂等違反生理的特徵。運動有時會違反物理現象，徑直穿越物體。AI創作再高明，仍會留下些微瑕疵。這些不協調感正是AI尚未臻至完美的痕跡。
然而，隨著新技術的推陳出新，辨別AI作品只會越發困難。為了讓AI創作更容易被識別，「浮水印」的概念被提出，讓AI在作品上添加標記。目前已經有部分產品會在影像上鑲嵌浮水印。不過終究可以透過一些軟體擦除。此外，像是文字、音訊等類型，則無法適用此方法。隱形的浮水印技術應運而生，它可以將數位標記嵌入內容，讓人難以察覺。
文字浮水印
對於文字類型，通常可以透過預先準備的多組文字集合，生成前隨機挑選一組。在生成文章時，盡可能選用該組集合，每個段落可以採用不同集合。後續檢測可以比對文章內容，查看這些文字是否大多出自同一集合。這麼做的好處是當段落被拓展後，仍然可以被檢測出。除非文章被大幅修改，不然很難破壞這些文字集合；另一種方法可以用一些少見的詞彙或短句來標記，但這樣的方式容易被修改抹除。可以改在特定的句型中，以特殊的同義詞替換原句。亦可透過文字結構或標點符號藏入標記，例如，生成的文件可能偏向被動語句或某種句型結構；第三種方法則是以上下文方式將標記分布在各處，讓文章可以偏向某種風格，例如可以用重複出現的短語句型、話語標記，以及冗餘的文字來隱藏標記；第四種方式則是將標記隱藏於潛在語義中，這種方式的優點是任憑怎麼調整文字都無法將其消除，是一種極具優勢的方法，但執行起來會相對困難。
影像浮水印
在影像最簡單的方法就是直接修改像素將標記嵌入。這種方法最容易執行，但也容易經過影像處理，而遭受破壞；進階一點則是將標記隱藏在影像紋理之中，從而加強影像修改後浮水印的穩健性；上述兩種方法是在影像空間作標記，第三種方法將標記添加在影像的多個頻段中，這樣可以解決影像空間中的修改問題，能夠抵抗影像經過壓縮與雜訊的改變。然而，在影像遭受嚴重失真與大幅修改後，隱藏的標記仍然有可能被破壞；因此，許多研究嘗試整合多種頻域變換與空間標記，讓影像可以同時對抗多樣的影像處理模式；第四種方式則是以深度學習添加浮水印，將標記隱藏在潛在的內容裡。
音訊浮水印
由於人耳可以接收到的聲音頻率範圍有限，所以可以在頻率範圍外的部分對音訊作標記。人耳也不如儀器敏銳，如果細微調整聲音的振幅、相位或波形，在此依據上添加標記，也不容易被人耳察覺。細緻一點還可以調整音樂的合弦、節奏，甚至停頓時間，來加強浮水印的不可破壞性；同樣地，可以從音訊的頻率圖譜著手，透過特定的頻譜變換，將標記添加在頻率分量中進行編碼。或是混合時域與頻域的作法來加強浮水印的穩健程度；第三種亦是透過深度學習將浮水印潛藏在聲音之中。
現今各家科技公司如Google與Meta等，也積極開發像是SynthID、Stable Signature，以及AudioSeal等深度學習嵌入技術，讓作品在流通時也能被追蹤，保障來源的透明度。不過這種方式不管是嵌入或是檢測都需要耗費大量的運算資源，這大幅限制了實際應用的範圍。
除了靠這些技術之外，各國政府也開始制定規範，要求AI生成內容必須標明來源。像是美國、歐盟與大陸等，都已陸續提出或實施相關法案。社群平台也積極開發標示與審核機制，讓使用者知曉看到的畫面是否由AI生成。
在這個詐騙橫行、真假難辨的年代，AI作為提高工作效率與增進娛樂的助手，不免容易被有心人士拿來亂用。縱使可以透過深度學習對AI作品進行標記，但仍有研究指出可以透過特殊的演算法將浮水印悄然去除。顯然浮水印嵌入與去除技術的對抗賽，仍然持續進行中，鹿死誰手還未有答案。也許學會懷疑與查證，培植媒體傳播道德，才是防止假訊息擴散的有效辦法。
參考文獻
- T. Kehkashan, R. A. Riaz, A. S. Al-Shamayleh, A. Akhunzada, N. Ali, M. Hamza and F. Akbar, “AI-generated Text Detection: A Comprehensive Review of Methods, Datasets, and Applications,” Computer Science Review, vol. 58, p. 100793, 2025.
- J. Kirchenbauer, J. Geiping, Y. Wen, J. Katz, I. Miers and T. Goldstein, “A Watermark for Large Language Models,” Proceedings of the 40th International Conference on Machine Learning, vol. 202, pp. 17061–17084, 2023.
- L. Cao, “Watermarking for AI Content Detection: A Review on Text, Visual, and Audio Modalities,” ArXiv abs/2504.03765, 2025.
- D. Ghiurău and D. E. Popescu, “Distinguishing Reality from AI: Approaches for Detecting Synthetic Content,” Computers, vol. 14, p. 1, 2025.