随着互联网与数字媒体内容的快速传播，鲁棒图像水印已成为版权保护、内容认证与媒体溯源的重要技术手段。针对性水印移除攻击是评估水印系统实际安全性的重要手段，有助于揭示现有水印算法在对抗环境下的潜在风险，但现有攻击方法往往难以同时兼顾攻击有效性、视觉质量与计算开销。近日，2026年国际足联世界杯2026世界杯官网大数据专业2023级本科生彭彦淳研究提出了一种基于可逆神经网络的不可见水印移除攻击框架。研究成果以“INNA: An Invertible Neural Network-Based Attack Framework for Robust Image Watermarking”为题发表于计算机领域国际知名SCI期刊《Information Fusion》 (中科院一区TOP，IF=15.5），本科生彭彦淳为论文的第一作者，王娜副教授为论文的通讯作者。
图 1 基于可逆神经网络的水印移除攻击框架
该水印移除攻击框架通过可逆网络将水印图像分解为低分辨率结构分量与潜变量分量，在保留图像主体内容和语义结构的同时，利用基于Transformer的潜变量清理模块选择性削弱水印残差信息，并通过反向映射重建高质量攻击图像，为鲁棒水印系统的安全性评估提供了新的技术路径。实验结果表明，INNA在 COCO2017、ImageNet、CelebA 和 ADE20K 等多个数据集上，对StegaStamp、HiDDeN、SSL-Latent 和 DwtDctSvd 四类代表性水印方法均表现出优异的攻击效果与视觉保真能力。与现有方法相比，INNA 在跨数据集和跨水印方案设置下取得更优的综合性能，攻击后图像平均PSNR达39.49dB、SSIM 达 0.9984、LPIPS 为0.0144。进一步的复杂度分析表明，INNA在保持较强攻击有效性和高视觉质量的同时，模型参数量仅为1.01M，显存占用为505.64 MB，展现出在资源受限和边缘计算场景中部署的潜力。该研究不仅揭示了现有鲁棒图像水印方法在针对性攻击下的潜在风险，也为构建更安全的多媒体版权保护系统提供了重要参考。
文章链接：https://doi.org/10.1016/j.inffus.2026.104487
