Synthid-Bypass

实测绕过 Google SynthID 水印，AI 图像溯源攻防参考

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署评测安全 🍴 复刻 142 🐛 待处理 17 👀 关注 8

GitHub ↗

GitHub 星标 ★ 1019

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源免费

项目预览

Synthid-Bypass 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类评测安全

开发团队cebeuq

GitHubhttps://github.com/cebeuq/Synthid-Bypass

定价模式🏷️完全免费

价格说明开源免费

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

主要语言Python

GitHub 星标★ 1019

上线时间2025-12-21 00:00:00

代码更新2026-09-20

仓库体积298.8 MB

本站数据更新2026-11-11

维护状态维护中

收录时间2026-09-27

浏览次数2

项目介绍

Synthid-Bypass 是一个 AI 安全研究项目，展示了如何绕过 Google 在 Nano Banana Pro 图像生成模型中部署的 SynthID 水印机制。SynthID 是 Google DeepMind 开发的隐形水印技术，用于标记 AI 生成的图像以便后续识别。该项目通过逆向分析水印嵌入流程，找到可操作的绕过路径，使生成图像不再携带可被检测的水印信号。项目以 Python 实现，代码量不大，核心价值在于揭示当前水印方案在对抗性场景下的脆弱性，为 AI 内容溯源与安全评测提供实证参考。它面向安全研究员、AI 治理从业者和水印方案设计者，帮助理解水印攻防的实际边界，推动更鲁棒的溯源技术发展。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-27 · 当前星标 ★ 1019

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 40 分钟部署方式：本地安装 7 步

环境要求

较新版本的 ComfyUI 环境
Python 运行环境（ComfyUI 自带依赖）
README 中 resources 章节列出的外部自定义节点仓库
README 中 resources 章节列出的模型文件

安装与启动步骤

1安装 ComfyUI

准备一个可正常启动的 ComfyUI 环境，后续节点与工作流都运行在其中。
```
git clone https://github.com/comfyanonymous/ComfyUI.git
```
2克隆项目到节点目录

README 支持直接把整个仓库克隆进 custom_nodes，根目录的兼容加载器会自动注册节点。
```
git clone https://github.com/cebeuq/Synthid-Bypass.git ComfyUI/custom_nodes/Synthid-Bypass
```
3或手动复制节点

若只想安装自带节点，可复制仓库内 custom_nodes/Comfyui-SynthidBypass/ 到 ComfyUI 的 custom_nodes 目录。
```
cp -r Synthid-Bypass/custom_nodes/Comfyui-SynthidBypass ComfyUI/custom_nodes/Comfyui-SynthidBypass
```
4安装外部自定义节点

按 README 的 resources 章节逐个安装所需外部节点仓库，README 节选未列出具体仓库名，请以原文为准。
5下载所需模型

把模型放到 resources 章节指定的 ComfyUI 模型目录，路径不匹配会导致节点加载失败。
6导入 V2 工作流

把仓库根目录的 Synthid-Bypass-v2.0.json 拖到 ComfyUI 画布上，V2 已合并主路径与人脸修复路径。
7设置输入并运行

在 Load Image 节点中选择待处理的源图像，然后执行整个工作流，分辨率自适应去噪会按图像尺寸计算。