論文の概要: A General Approach for Using Deep Neural Network for Digital Watermarking

• arxiv url: http://arxiv.org/abs/2003.12428v1
• Date: Sun, 8 Mar 2020 06:22:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-25 14:17:37.678822
• Title: A General Approach for Using Deep Neural Network for Digital Watermarking
• Title（参考訳）: デジタル透かしにおけるディープニューラルネットワークの一般的な利用法
• Authors: Yurui Ming, Weiping Ding, Zehong Cao, Chin-Teng Lin
• Abstract要約: 本稿では,この目的を達成するために,汎用ディープニューラルネットワーク(DNN)に基づく透かし手法を提案する。 我々の知る限り、我々は初めてDNNを用いて透かしを行う一般的な方法を提案する。
• 参考スコア（独自算出の注目度）: 45.15137284053717
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Technologies of the Internet of Things (IoT) facilitate digital contents such as images being acquired in a massive way. However, consideration from the privacy or legislation perspective still demands the need for intellectual content protection. In this paper, we propose a general deep neural network (DNN) based watermarking method to fulfill this goal. Instead of training a neural network for protecting a specific image, we train on an image set and use the trained model to protect a distinct test image set in a bulk manner. Respective evaluations both from the subjective and objective aspects confirm the supremacy and practicability of our proposed method. To demonstrate the robustness of this general neural watermarking mechanism, commonly used manipulations are applied to the watermarked image to examine the corresponding extracted watermark, which still retains sufficient recognizable traits. To the best of our knowledge, we are the first to propose a general way to perform watermarking using DNN. Considering its performance and economy, it is concluded that subsequent studies that generalize our work on utilizing DNN for intellectual content protection is a promising research trend.
• Abstract（参考訳）: iot(internet of things, モノのインターネット)の技術は、画像などのデジタルコンテンツの大量獲得を促進する。 しかし、プライバシーや立法の観点から考えると、いまだに知的コンテンツ保護の必要性が求められる。 本稿では,この目的を達成するための汎用ディープニューラルネットワーク(DNN)に基づく透かし手法を提案する。 特定の画像を保護するためにニューラルネットワークをトレーニングする代わりに、画像セットをトレーニングし、トレーニングされたモデルを使用して、異なるテストイメージセットをバルクで保護する。 主観的評価と客観的評価の両方から,提案手法の優越性と実用性を確認した。 この一般的なニューラル透かし機構の堅牢性を示すために、この透かし画像に一般的に使用される操作を適用して対応する抽出された透かしを調べる。 我々の知る限り、我々は初めてDNNを用いて透かしを行う一般的な方法を提案する。 その性能と経済性を考慮すると、知的コンテンツ保護にDNNを活用する研究を一般化する研究が有望な研究トレンドであると結論付けている。

関連論文リスト

• Protect-Your-IP: Scalable Source-Tracing and Attribution against Personalized Generation [19.250673262185767]
  画像著作権のソーストレーシングと属性の統一的なアプローチを提案する。 本稿では,プロアクティブ戦略とパッシブ戦略を融合した革新的な透かし属性法を提案する。 オンラインで公開されている様々なセレブの肖像画シリーズを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-05-26T15:14:54Z)
• Safe and Robust Watermark Injection with a Single OoD Image [90.71804273115585]
  高性能なディープニューラルネットワークをトレーニングするには、大量のデータと計算リソースが必要である。 安全で堅牢なバックドア型透かし注入法を提案する。 我々は,透かし注入時のモデルパラメータのランダムな摂動を誘導し,一般的な透かし除去攻撃に対する防御を行う。
  論文  参考訳（メタデータ） (2023-09-04T19:58:35Z)
• Anti-Neuron Watermarking: Protecting Personal Data Against Unauthorized Neural Model Training [50.308254937851814]
  個人データ(画像など)は、許可なくディープニューラルネットワークモデルをトレーニングするために不適切に利用することができる。 特殊な線形色変換を使用して透かしシグネチャをユーザイメージに埋め込むことで、ニューラルモデルはそのようなシグネチャでインプリントされる。 これは、ニューラルネットワークトレーニングにおいて、ユーザの個人情報を不正使用から保護する最初の作業である。
  論文  参考訳（メタデータ） (2021-09-18T22:10:37Z)
• Exploring Structure Consistency for Deep Model Watermarking [122.38456787761497]
  Deep Neural Network(DNN)の知的財産権(IP)は、代理モデルアタックによって簡単に盗まれる。 本稿では,新しい構造整合モデルウォーターマーキングアルゴリズムを設計した新しい透かし手法,すなわち構造整合性'を提案する。
  論文  参考訳（メタデータ） (2021-08-05T04:27:15Z)
• Privacy-Preserving Image Acquisition Using Trainable Optical Kernel [50.1239616836174]
  本稿では、画像センサに到達する前に、光学領域の感度の高い識別情報を除去する訓練可能な画像取得手法を提案する。 イメージセンサに到達する前に、センシティブなコンテンツが抑制されるため、デジタルドメインには入らないため、いかなる種類のプライバシー攻撃でも検索できない。
  論文  参考訳（メタデータ） (2021-06-28T11:08:14Z)
• Fingerprinting Image-to-Image Generative Adversarial Networks [53.02510603622128]
  Generative Adversarial Networks (GAN) は様々なアプリケーションシナリオで広く利用されている。 本稿では,信頼できる第三者に基づく画像間GANの知的保護のための新しい指紋認証方式を提案する。
  論文  参考訳（メタデータ） (2021-06-19T06:25:10Z)
• Protecting the Intellectual Properties of Deep Neural Networks with an Additional Class and Steganographic Images [7.234511676697502]
  本稿では,Deep Neural Network(DNN)モデルの知的特性を,追加のクラスとステガノグラフィー画像を用いて保護する手法を提案する。 我々は,ウォーターマークキー画像にユーザの指紋を埋め込むために,最下位ビット(lsb)画像ステガノグラフィを採用する。 Fashion-MNISTとCIFAR-10データセットでは,100%透かし精度と100%指紋認証成功率が得られる。
  論文  参考訳（メタデータ） (2021-04-19T11:03:53Z)
• Robust Black-box Watermarking for Deep NeuralNetwork using Inverse Document Frequency [1.2502377311068757]
  テキストドメイン用に設計されたディープニューラルネットワーク(DNN)モデルを透かし出すためのフレームワークを提案する。 提案した埋め込み手順はモデルのトレーニング時間内に行われ、透かし検証ステージが簡単になる。 実験の結果, 透かし付きモデルでは, 元のモデルと同じ精度を示した。
  論文  参考訳（メタデータ） (2021-03-09T17:56:04Z)
• An Automated and Robust Image Watermarking Scheme Based on Deep Neural Networks [8.765045867163648]
  ディープラーニングニューラルネットワークに基づく頑健で盲目な画像透かし方式を提案する。 提案手法の堅牢性は、攻撃の事前の知識や敵の例を必要とせずに達成される。
  論文  参考訳（メタデータ） (2020-07-05T22:23:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。