该论文关注图像水印在溯源与归属中的工程化落地问题：水印需要把可验证的身份信息嵌入图像，而真实部署必须同时满足四类相互冲突的约束——抗攻击能力、误报率（FPR）、图像质量与处理延迟。现有水印方法往往只对特定类别的变换（如压缩、裁剪、几何变换、噪声等）具备鲁棒性，因此把互补的多种水印组合起来，理论上可获得比单一水印更广的防护面。但组合本身非常困难：每增加一个水印片段都会抬高图像失真与解码开销，而且所有片段必须共享同一个 FPR 预算，不能简单叠加。为此作者提出 TAILOR，一个以“请求”为条件的组合式水印框架，包含三个阶段：(1) 离线刻画，将片段恢复率、失真与运行时建模为随嵌入强度变化的响应曲线；(2) 联合配置选择，把用户请求编码为建立在这些响应曲线之上的 SMT 模型，求解失真最低的片段组合、嵌入强度、嵌入顺序以及几何恢复配置；(3) 在线校准，在用户实际图像上验证所选配置，并对迁移效果不佳的预测进行修正。实验覆盖 5 类场景、20 种攻击设置、7,321 个不同请求，场景平均请求满足率达 96.21%，平均 PSNR 为 41.02 dB，在鲁棒性优于现有方法的同时取得更好的图像质量，代码已开源。

该论文针对当前用于满足生成内容可追溯法规的多比特后验水印（post-hoc watermarking）方案展开理论剖析与改进。此类现代方案通常由一对深度神经网络构成编码器与解码器，被当作纯黑盒进行端到端训练；训练时把水印信道中的噪声建模为一组固定的几何变换与值度量（valuemetric）变换施加于含水印图像之上。作者指出，这种纯粹经验式的做法会导致未经审视的设计缺陷，并且无法给出任何理论层面的性能保证。为此，本文首先提出一个现代后验水印方案的通用理论模型，其基础是对编码器/解码器输出进行统计分析。作者证明，这类深度神经网络实际上隐式地定义了一个可被建模为并行加性高斯白噪声（AWGN）信道的水印信道，且消息以 BPSK 调制方式进行传输。这一结论意味着系统被迫使用二元字母表，从而极大地限制了水印系统的容量上限。论文指出的第二个致命缺陷是此类方案普遍不包含秘密密钥，因而在本质上是不安全的；作者为后验水印方案给出了精确的安全性定义，将其与在给定解码器输出统计模型下能否估计出秘密密钥这一问题联系起来。综合上述理论分析结果，作者提出了一种新的后验水印系统 SNW，其在容量方面显著优于现有最先进的基线方法，同时还能提供较强的安全性保证。尤为关键的是，SNW 不依赖固定码本或二元字母表，而是借助容量可达的纠错码，使传输速率能够逼近香农容量。该工作适合关注生成内容溯源、水印鲁棒性与容量理论、以及水印安全性（密钥不可估计性）的研究者与工程人员阅读。

该论文研究「被动图像溯源」问题：仅凭像素本身能否判断一张图片的来源——来自人类、来自某一类 AI 生成模型，还是来自某个特定的生成器。作者指出，一旦源图像在到达验证器之前可以被编辑（篡改、加噪、重编码、对抗扰动等），溯源就从单纯的分类问题变成了「源—目标验证」问题，即在对抗性分布偏移下判断图像是否属于目标来源类别。论文给出两项理论结果。第一，针对任何只使用图像信息的验证器，给出了精确的最优界：稳健的目标接受率差距（robust target-acceptance gap）等于目标分布与被攻击源分布集合之间的最小全变差（total variation）距离；该量只取决于源分布、目标分布和编辑类别，与验证器架构无关，因此构成了不可逾越的统计上限——即「信息层面」的上限，而非模型能力问题。第二，论文解释了为什么已部署的公开验证器往往在这个统计上限远未到达之前就已经失效：如果攻击者能在攻击区域上以误差 ε 模拟（emulate）验证器，那么一个替代黑盒攻击就能达到白盒最优值减去 2ε 加优化误差的目标接受率；论文证明基于公开特征的、会暴露分数的 logistic 与 softmax 头部是可辨识的（identifiable），近似分数访问也能给出稳定的恢复界。作者用一个有限状态实验验证了该 minimax 等式的两侧都可计算。在真实/扩散模型同提示词（same-prompt）基准上，被测的公开 CLIP 验证器在定向像素攻击下失效，而一个 ResNet-18 受害模型表现出部分「假到真」的迁移。带弃权（abstention）的二元反馈能降低实测攻击成功率，但论文强调：正的经验性差距上界并不能证明稳健性。总体结论是：评估被动溯源系统时，必须把「源—目标统计天花板」和「部署验证器实际泄露的信息量」分开评估。

该论文提出了一种针对生成式语音模型的鲁棒音频水印框架 CRAW（Codec Robust Audio Watermarking）。研究背景是：近年来生成式语音模型（如语音克隆、语音合成）的进步使得真实与合成语音难以区分，增加了欺诈和虚假信息的风险。音频水印通过在生成语音中嵌入人耳难以感知的信号，并在后续检测中验证音频来源，是一种有前景的防御手段。然而，现有的事后（post-hoc）水印方法在面临神经编解码器（neural codecs）、降噪器（denoisers）和声码器（vocoders）等实际存储、传输与处理中常见的变换时，鲁棒性严重不足，导致实际应用受限。CRAW 作为端到端框架，联合优化了对神经再合成（neural re-synthesis）的鲁棒性，同时保持较高的感知质量。其核心方法包含三个技术组件：1）失真感知训练（distortion-aware training），使模型在训练阶段就接触各种编解码失真；2）注意力机制池化（attention-based pooling mechanism），用于提升水印嵌入的鲁棒性；3）推理时的感知掩码（inference-time perceptual masking）和纠错码（error-correcting code），用于恢复鲁棒训练中损失的水印保真度。实验表明，CRAW 在神经编解码器、降噪器和声码器下达到了当前最优的鲁棒性，同时感知质量与现有事后水印方法相当。代码已开源在 GitHub 上。该研究对音频取证、AI 内容溯源和反欺诈领域具有直接价值，适合音频安全研究者、生成式 AI 平台运维者以及内容完整性验证系统设计者阅读。由于本分析仅基于论文摘要，相关结论需进一步结合全文和技术实现验证。

本文批判性地审视了当前广泛讨论的AI生成内容水印机制，指出其在区分机器与人类创作时的局限性。作者认为，将水印技术（尤其是不可见水印转换为可见的“AI生成”标签）应用于新闻、学术、公共宣传等以信息准确性为核心关注的领域，存在概念与实践上的根本误解。不可见水印仅编码模型来源，而可见标签将复杂的协同创作过程简化为二元区分，且无法提供关于内容真实度的任何信息。这种二元标签可能污名化合法使用生成式AI工具的创作，同时让未标记的内容获得不合理的信任。为此，论文提出应转向以过程透明（process transparency）和信息素养（information literacy）为核心的替代方案，强调将创作过程公开化、让消费者理解内容的生产链条，而非简单地打上“AI生成”标签。作者论证，这种基于透明与教育的方法能更有效地应对AI生成虚假信息的认知与伦理挑战，将作者身份重塑为一种透明的人类实践，而非机器参与的二元指示。研究适合AI治理、信息伦理、内容审核与媒体素养领域的从业者、政策制定者及学者阅读。

近年来，计算机视觉领域取得了显著进展，尤其是卷积神经网络（CNN）、生成对抗网络（GAN）、扩散模型、视觉变换器（ViT）以及视觉-语言模型（VLM）等架构的发展，使得生成的视觉内容越来越逼真。然而，这些进步也带来了潜在的滥用风险，例如虚假信息、身份盗窃以及隐私和安全威胁。与此同时，基于Mamba的架构作为一种新兴工具，已在图像分类、分割、医学成像、目标检测和图像恢复等多种任务中展现出潜力，但在AI生成图像检测方面的应用尚未被充分探索。本研究对Vision Mamba模型在AI生成图像检测中的性能进行了系统评估和比较分析。我们在多个数据集和合成图像源上，将多种Vision Mamba变体与代表性的CNN、ViT和VLM检测器进行基准测试，重点关注准确性、效率以及跨不同图像类型和生成模型的泛化能力。通过全面分析，我们旨在阐明Vision Mamba相对于现有方法在适用性、准确性和效率方面的优势与局限性。总体而言，我们的研究结果揭示了Vision Mamba作为区分真实与AI生成视觉内容的系统组成部分的潜力与当前局限。这项研究对于在区分真实与AI生成内容成为重大挑战的时代提升检测能力至关重要。