AI画像に証明を付ける「AiWaterMarker」

【更新履歴】

　・2026/4/19　バージョン1.0公開。
　・2026/4/19　バージョン1.1公開。
　・2026/4/19　バージョン1.2公開。
　・2026/4/20　バージョン1.3公開。
　・2026/4/20　バージョン1.4公開。

・ダウンロードされる方はこちら。↓

・AIによる意味理解判定を行う場合は、
　以下のセットアップが必要です。↓

【 llama.cppを使用する場合 】

モデルファイルは、こちらからダウンロードできます。↓

CLIP(mmproj)ファイルは、こちらからダウンロードできます。↓

※設定画面を開いて、このファイルのパスを指定しておいて下さい。

【 Ollamaを使用する場合 】

・モデル名に llava を指定して保存してください。

《 各機能の説明 》

・本ツールは「自分の作品を守る」機能（サブ画面）と、
　「他人の画像を検証する」機能（メイン画面）の
　2つの顔を持っています。

【防衛・証明機能】（サブ画面）

• ① AI判定妨害（アドバーサリアル攻撃）

  • 画像全体に人間の目には見えない微小な数学的ノイズ（高周波ヒューリスティック、またはVAE潜在空間攻撃）を付加します。これにより、第三者が「この画像はAI生成か？」と判定ツールにかけた際、AIの判定アルゴリズムを狂わせます。

• ② 来歴証明（DCT透かし ＋ ZKコミットメント）

  • ブロックチェーンを使わず、秘密の文字列（ソルト）と画像のハッシュを掛け合わせた「ゼロ知識証明型」の署名を生成します。これをEXIFメタデータだけでなく、画像のピクセル（DCT周波数領域）に直接、タイリング（多数決）方式で強力に埋め込みます。

• ③ 耐性シミュレーター

  • SNS（Xなど）にアップロードした際のJPEG圧縮劣化や、縮小・ぼかし処理をメモリ上で疑似的に再現し、付加した「証明」が実運用で生き残るかを事前にテストします。

• ④ セキュアワイプ（完全消去）

  • 透かしを入れた後、ディスク上に残る「元の無防備な画像」をOSの標準削除ではなく、ディスクセクタレベルでゼロ埋めして完全破壊し、フォレンジック（データ復元）攻撃を防ぎます。

【検証・判定機能】（メイン画面）

• ⑤ ハイブリッドAI判定

  • 対象画像に対し、C++側で「数学的なノイズ（AI特有の格子アーティファクト）」をスキャンし、同時にVLM（視覚言語モデル）で「指の数やパースの狂いなどの意味論的矛盾」を解析させ、総合的に真贋を判定します。

• ⑥ ピクセル空間からの証明復元

  • メタデータが剥がされた画像であっても、DCT空間から多数決方式でビットデータを抽出し、隠された来歴証明を復元します。

■RTX 3060 (12GB) 向けの具体的な推奨モデル

・VRAM 12GBという環境は
　ローカルAIにおいて非常に優秀ですが、
　Windowsのシステム（約1.5GB〜2GB）と
　コンテキストウィンドウ（約1GB）の消費を考慮すると、
　モデル本体に割けるVRAMの安全圏は
　「7GB〜8GB前後」となります。

・llama.cppをバックエンド（CUDA）で動かす場合、
　安定性と解析精度のバランスが最も良い
　「LLaVA v1.5 (7B)」の量子化モデルを推奨します。

① モデルファイル（LlamaModelPath）の推奨

具体的なファイル名: llava-v1.5-7b-Q4_K_M.gguf

容量: 　約 4.3 GB

理由:

・70億パラメータのモデルを4ビット量子化（Q4_K_M）したものです。

・VRAM消費が少なく、
　RTX 3060のCUDAコアであれば
　驚異的な速度（数十トークン/秒）で回答を生成できます。

・画像の矛盾を指摘する推論能力としては
　十分な賢さを持っています。

② CLIPプロジェクターファイル（LlamaMmprojPath）の推奨

具体的なファイル名: 　llava-v1.5-7b-mmproj-f16.gguf

容量:　 約 620 MB

理由:

・VLMが画像を解釈するための「目」となるファイルです。

・mmprojは、極端に量子化すると
　画像の細部（ノイズや指の崩れなど）を見落としやすくなるため、
　16ビット（f16）の標準サイズを使うのがベストプラクティスです。