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。

该论文针对眼动生物特征识别系统面临的高级呈现攻击（如高清视频重放和实时生成式深度伪造）提出了一种双流挑战-响应协议。当前呈现攻击检测（PAD）框架通常依赖孤立的生理指标（如注视追踪或瞳孔光反射），这些指标易被单独欺骗。作者提出了时空-亮度传感器融合协议，通过将平滑追踪和瞳孔收缩统一到一个同步认证挑战中，构建了一个双流挑战-响应框架。具体地，系统生成一个随机、时变的视觉刺激（在空间轨迹和亮度强度上均变化），并建立一个数学耦合的状态空间似然模型（称为同步矩阵），用于评估平滑追踪延迟和瞳孔收缩延迟之间的连续互相关。基于文献中提取的延迟分布进行蒙特卡洛模拟，结果表明，该方法在理论层面能够区分真实响应和模拟攻击条件，并且当存在非零渲染延迟差距时，多轮挑战设计可提高对生成式深度伪造的检测能力。该工作为下一代动态欺骗防御提供了理论框架，但作者指出人类受试者验证是部署前的必要工作。