本文介绍了一种基于小样本数据的去水印方法，结合数据增强和特征空间对齐，有效去除深度模型中的水印而不影响性能。该即插即用水印框架在潜在空间中嵌入水印，具有良好的隐形性和稳健性，适用于多个扩散模型版本，且无需重新训练，为保护深度模型的知识产权提供了新方案。