Binhao Ma 等八位作者于 2026 年 11 月 3 日向 arXiv 提交 ScrambleMark,提出一种无需查询检测器、也无需了解水印方案的语音水印检测规避攻击。摘要称,该方法在 Google SynthID、Resemble AI 和 TrustedAudio 三个平台上实现了接近 97% 的规避率,语音质量的人类评分为 4.2/5。这些数字均为作者报告的结果。[1]
该方法针对的是检测嵌入式水印所依赖的结构一致性。按照摘要的解释,扰乱语音的谐波结构,可以在保持听感质量的同时破坏这种一致性,使检测失效,而不必擦除水印。ScrambleMark 将用于发现可迁移谐波扰动的确定性引擎,与学习随机扰乱模式的生成模型结合起来。[1]
作者将这一方法置于检测器访问受限的背景下:他们称,TrustedAudio 仅向通过身份验证的用户提供检测,并且不向未经授权者提供有意义的检测反馈。作者还报告,该方法能抵抗旨在逆转扰乱效果的自适应恢复。不过,保存的摘要没有详细说明恢复流程、评估样本量、检测阈值或平台版本,因此读者难以准确判断这些结论的适用范围。[1]
[1]: arXiv,《ScrambleMark: Zero-Query Watermark-Agnostic Black-Box Evasion of Modern Speech Watermarking》,提交于 2026 年 11 月 3 日。https://arxiv.org/abs/2611.04122
来源
核查或更正本页
- 更正
- 提交更正请求 · 在 GitHub 编辑源文件 · 更正政策