Hvordan vannmerkehacket ser ut i aksjon.Google Hver internettbruker (spesielt fotografer og journalister) har opplevd synlige vannmerker, logoer og mønstre lagt på digitale arkivbilder for å beskytte opphavsretten. Det er lenge antatt at disse merkene beskytter bildene mot å bli brukt på uautoriserte eller ulisensierte måter.
Men Google nylig oppdaget et hack som automatisk fjerner vannmerker, noe som gir brukere uhindret tilgang til opphavsrettsbeskyttede bilder. Den gode nyheten er at selskapet også har funnet ut en måte å stoppe det på.
Forskerne Tali Dekel, Michael Rubenstein, Ce Liu og William T. Freeman offentliggjorde arbeidet sitt denne uken i et innlegg på Googles blogg , en fagoppgave og en video.
Vannmerker har med vilje komplekse strukturer som tynne linjer og skygger for å gjøre det vanskeligere for datamaskiner å finne ut hvor merket slutter og det faktiske bildet begynner. Faktisk trenger selv en Photoshop-ekspert med de mest oppdaterte verktøyene nesten 10 minutter for å fjerne bare ett vannmerke.
Men Google-teamet innså at det samme vannmerket ofte er innebygd i mange bilder samtidig. Det betyr at en hacker som kjenner de relative egenskapene til hvert bilde, kan gjenopprette vannmerke mønsteret og reversere prosessen og avsløre de originale bildene. Dette hacket kan utføres automatisk uten brukerinnblanding. 
Med denne nye metoden kan ikke vannmerket fjernes helt.Google
beste over disk testbooster
Så hvordan kan selskaper som Shutterstock og Adobe bekjempe dette problemet? Enkelt sagt, ved å gjøre vannmerker mer kompliserte. Det betyr ikke bare å endre posisjon, men heller introdusere tilfeldige geometriske mønstre for å vri bildet og gjøre merkene inkonsekvente. Selv den subtileste endringen genererer vannmerker som ikke kan hackes eller fjernes fullstendig.
Selv om vi ikke kan garantere at det ikke vil være noen måte å bryte slike randomiserte vannmerkeopplegg i fremtiden, tror vi (og eksperimentene våre viser) at randomisering vil gjøre vannmerkeinnsamlingsangrep fundamentalt vanskeligere, konkluderer forskerne.
Du kan lese teamets fulle papir (sendt til Computer Vision Foundation) for mer matematiske og tekniske detaljer.
