{"id":5848,"date":"2025-06-09T15:35:49","date_gmt":"2025-06-09T13:35:49","guid":{"rendered":"https:\/\/aitrends.center\/protected-images-are-easier-not-more-difficult-to-steal-with-ai\/"},"modified":"2025-06-09T15:35:49","modified_gmt":"2025-06-09T13:35:49","slug":"chronione-obrazy-sa-latwiejsze-a-nie-trudniejsze-do-kradziezy-za-pomoca-ai","status":"publish","type":"post","link":"https:\/\/aitrendscenter.eu\/pl\/protected-images-are-easier-not-more-difficult-to-steal-with-ai\/","title":{"rendered":"\"Chronione\" obrazy s\u0105 \u0142atwiejsze, a nie trudniejsze do kradzie\u017cy dzi\u0119ki sztucznej inteligencji"},"content":{"rendered":"

Wszyscy widzieli\u015bmy ju\u017c, jak sztuczna inteligencja potrafi modyfikowa\u0107, przerabia\u0107, a nawet ca\u0142kowicie przekszta\u0142ca\u0107 obrazy. To imponuj\u0105cy, a czasami niepokoj\u0105cy pokaz jej mo\u017cliwo\u015bci. Chc\u0105c uchroni\u0107 swoje dzie\u0142a przed ingerencj\u0105 sztucznej inteligencji, wielu artyst\u00f3w si\u0119ga po narz\u0119dzia ochronne, takie jak PhotoGuard<\/a>, Mg\u0142a<\/a>oraz Polewa<\/a>. Rozwi\u0105zania te wprowadzaj\u0105 do obraz\u00f3w szum przeciwny \u2013 niewielkie zmiany, kt\u00f3re s\u0105 niewidoczne dla ludzkiego oka, ale wystarczaj\u0105, by zmyli\u0107 systemy sztucznej inteligencji. Szum ten ma na celu uniemo\u017cliwienie modelom generatywnym uczenia si\u0119 lub modyfikowania tre\u015bci, w tym obraz\u00f3w i dzie\u0142 sztuki obj\u0119tych prawami autorskimi.<\/p>\n

Jednak, jak na ironi\u0119, ta strategia obronna mog\u0142a nieumy\u015blnie utorowa\u0107 drog\u0119 do ingerencji sztucznej inteligencji. Zesp\u00f3\u0142 ameryka\u0144skich naukowc\u00f3w podda\u0142 ostatnio w w\u0105tpliwo\u015b\u0107 skuteczno\u015b\u0107 szumu przeciwniczego, a wyniki ich bada\u0144 sugeruj\u0105, \u017ce mo\u017ce on sprawia\u0107, i\u017c obrazy wi\u0119cej<\/em> podatne na zmiany wprowadzane przez sztuczn\u0105 inteligencj\u0119. Wykorzystuj\u0105c model Stable Diffusion jako platform\u0119 testow\u0105, odkryli, \u017ce dodana warstwa zabezpiecze\u0144 nie zapobiega\u0142a ingerencji sztucznej inteligencji \u2013 wr\u0119cz j\u0105 sprzyja\u0142a.<\/p>\n

Naukowcy przeprowadzili eksperymenty z wykorzystaniem szerokiej gamy dzie\u0142 sztuki i fotografii, sprawdzaj\u0105c odporno\u015b\u0107 szumu przeciwniczego poprzez realizacj\u0119 zada\u0144 generowania obrazu na podstawie obrazu oraz transferu stylu. Wprowadzali zar\u00f3wno subtelne, jak i radykalne zmiany, na przyk\u0142ad zamieniaj\u0105c wskaz\u00f3wki typu \u201cM\u0142oda dziewczyna w r\u00f3\u017cowej sukience wchodz\u0105ca do drewnianej chatki\u201d na \u201cM\u0142ody ch\u0142opiec w niebieskiej koszuli wchodz\u0105cy do ceglanego domu\u201d lub \u201cDwa koty wyleguj\u0105ce si\u0119 na kanapie\u201d. Niezale\u017cnie od konkretnych szczeg\u00f3\u0142\u00f3w wyniki by\u0142y uderzaj\u0105co sp\u00f3jne \u2013 \u201cchronione\u201d obrazy regularnie generowa\u0142y wyniki, kt\u00f3re by\u0142y bardziej zgodne z instrukcjami ni\u017c ich niechronione odpowiedniki.<\/p>\n

Naukowcy przypisuj\u0105 ten nieprawdopodobny scenariusz dzia\u0142aniu modeli dyfuzyjnych. Modele te koduj\u0105 obrazy w przestrzeni ukrytej, a nast\u0119pnie w kilku etapach wprowadzaj\u0105 do nich szum. Generowanie nowych obraz\u00f3w polega na odwr\u00f3ceniu tego procesu pod kierunkiem podpowiedzi tekstowej. Gdy od samego pocz\u0105tku wprowadzany jest szum przeciwny, w przestrzeni ukrytej narasta niepewno\u015b\u0107. To sprawia, \u017ce model w trakcie procesu usuwania szumu w wi\u0119kszym stopniu opiera si\u0119 na instrukcji tekstowej, co do\u015b\u0107 nieoczekiwanie skutkuje powstaniem obrazu ko\u0144cowego, kt\u00f3ry bardziej trafnie odpowiada podanej instrukcji tekstowej.<\/p>\n

Wydaje si\u0119, \u017ce d\u0105\u017c\u0105c do zmylenia sztucznej inteligencji, tw\u00f3rcy w rezultacie przyczynili si\u0119 do poprawy jej wydajno\u015bci. Te nieoczekiwane odkrycia budz\u0105 powa\u017cne w\u0105tpliwo\u015bci co do niezawodno\u015bci metod perturbacji przeciwnikowych jako sposobu ochrony obraz\u00f3w i podkre\u015blaj\u0105 potrzeb\u0119 znalezienia alternatywnych rozwi\u0105za\u0144. Jednym z mo\u017cliwych rozwi\u0105za\u0144 jest C2PA<\/a>, platforma s\u0142u\u017c\u0105ca do \u015bledzenia pochodzenia, kt\u00f3ra dodaje metadane do obraz\u00f3w w momencie ich utworzenia. Nie zapewni to jednak ochrony obrazu tre\u015b\u0107<\/em>, ale zawiera szereg wskaz\u00f3wek, kt\u00f3re pozwalaj\u0105 potwierdzi\u0107 jego autentyczno\u015b\u0107.<\/p>\n

Pomimo wszelkich stara\u0144 maj\u0105cych na celu ochron\u0119 naszych tre\u015bci wizualnych, techniczna \u201emagia\u201d zwana szumem przeciwnym mo\u017ce w rzeczywisto\u015bci przynosi\u0107 skutek dok\u0142adnie odwrotny do tego, w kt\u00f3rym od dawna wierzyli\u015bmy. W \u015bwietle nowych odkry\u0107 jasne jest, \u017ce musimy ponownie przemy\u015ble\u0107 nasz\u0105 strategi\u0119 walki z nadu\u017cywaniem sztucznej inteligencji w dziedzinie medi\u00f3w wizualnych. Bardziej szczeg\u00f3\u0142owy opis tego intryguj\u0105cego badania mo\u017cna znale\u017a\u0107 w oryginalnym artykule na stronie Unite.AI<\/a>.<\/p>","protected":false},"excerpt":{"rendered":"

We’ve all seen how artificial intelligence can tweak, tinker, and outright transform images. It’s an impressive and, at times, unsettling showcase of power. In an attempt to shield their works from AI’s sculpting hands, many artists have turned to protective tools such as PhotoGuard, Mist, and Glaze. These solutions pepper the images with adversarial noise \u2013 slight alterations that are invisible to the human eye but are enough to baffle AI systems. The noise is designed to stop generative models from learning or modifying the content, including copyrighted images and artworks. However, in a twist of irony, this defense strategy […]<\/p>\n","protected":false},"author":4,"featured_media":5849,"comment_status":"","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2,47],"tags":[],"class_list":["post-5848","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-images","category-ai-news","post--single"],"_links":{"self":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/5848","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/comments?post=5848"}],"version-history":[{"count":0,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/posts\/5848\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media\/5849"}],"wp:attachment":[{"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/media?parent=5848"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/categories?post=5848"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/aitrendscenter.eu\/pl\/wp-json\/wp\/v2\/tags?post=5848"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}