論文の概要: Machine learning attack on copy detection patterns: are 1x1 patterns
cloneable?
- arxiv url: http://arxiv.org/abs/2110.02176v1
- Date: Tue, 5 Oct 2021 17:06:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-06 14:17:48.426938
- Title: Machine learning attack on copy detection patterns: are 1x1 patterns
cloneable?
- Title(参考訳): コピー検出パターンに対する機械学習攻撃: 1x1パターンはクローン可能か?
- Authors: Roman Chaban, Olga Taran, Joakim Tutt, Taras Holotyak, Slavi Bonev and
Slava Voloshynovskiy
- Abstract要約: 我々は、機械学習に基づくコピー検出パターン(CDP)に対するコピー攻撃を検討する。
2つの産業用プリンタで作成されたサンプルに基づいて実験したところ、CDP認証で使用される単純な検出基準は、元のCDPと偽造品を確実に区別できないことがわかった。
- 参考スコア(独自算出の注目度): 14.784426936848604
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, the modern economy critically requires reliable yet cheap
protection solutions against product counterfeiting for the mass market. Copy
detection patterns (CDP) are considered as such solution in several
applications. It is assumed that being printed at the maximum achievable limit
of a printing resolution of an industrial printer with the smallest symbol size
1x1 elements, the CDP cannot be copied with sufficient accuracy and thus are
unclonable. In this paper, we challenge this hypothesis and consider a copy
attack against the CDP based on machine learning. The experimental based on
samples produced on two industrial printers demonstrate that simple detection
metrics used in the CDP authentication cannot reliably distinguish the original
CDP from their fakes. Thus, the paper calls for a need of careful
reconsideration of CDP cloneability and search for new authentication
techniques and CDP optimization because of the current attack.
- Abstract(参考訳): 現在、現代経済は、大衆市場における製品偽造に対する信頼性が高く安価な保護ソリューションを必要としている。
コピー検出パターン(cdp)は、いくつかのアプリケーションにおいてそのようなソリューションと考えられている。
最小のシンボルサイズ1x1要素を有する工業用プリンタの印刷解像度の最大到達限界で印刷されるため、cdpを十分な精度でコピーすることは不可能であり、不可能である。
本稿では,この仮説に挑戦し,機械学習に基づくCDPに対するコピー攻撃を検討する。
2つの産業用プリンタで作成されたサンプルに基づいて実験したところ、CDP認証で使用される単純な検出基準は、元のCDPと偽造品を確実に区別できないことがわかった。
そこで本研究では,CDPのクローン性を慎重に再検討し,新たな認証手法とCDP最適化を提案する。
関連論文リスト
- Small Effect Sizes in Malware Detection? Make Harder Train/Test Splits! [51.668411293817464]
業界関係者は、モデルが数億台のマシンにデプロイされているため、マルウェア検出精度の小さな改善に気を配っている。
学術研究はしばしば1万のサンプルの順序で公開データセットに制限される。
利用可能なサンプルのプールから難易度ベンチマークを生成するためのアプローチを考案する。
論文 参考訳(メタデータ) (2023-12-25T21:25:55Z) - DRSM: De-Randomized Smoothing on Malware Classifier Providing Certified
Robustness [58.23214712926585]
我々は,マルウェア検出領域の非ランダム化スムース化技術を再設計し,DRSM(De-Randomized Smoothed MalConv)を開発した。
具体的には,実行可能ファイルの局所構造を最大に保ちながら,逆数バイトの影響を確実に抑制するウィンドウアブレーション方式を提案する。
私たちは、マルウェア実行ファイルの静的検出という領域で、認証された堅牢性を提供する最初の人です。
論文 参考訳(メタデータ) (2023-03-20T17:25:22Z) - Can AI-Generated Text be Reliably Detected? [54.670136179857344]
LLMの規制されていない使用は、盗作、偽ニュースの生成、スパムなど、悪意のある結果をもたらす可能性がある。
最近の研究は、生成されたテキスト出力に存在する特定のモデルシグネチャを使用するか、透かし技術を適用してこの問題に対処しようとしている。
本稿では,これらの検出器は実用シナリオにおいて信頼性が低いことを示す。
論文 参考訳(メタデータ) (2023-03-17T17:53:19Z) - UniPC: A Unified Predictor-Corrector Framework for Fast Sampling of
Diffusion Models [92.43617471204963]
拡散確率モデル(DPM)は高分解能画像合成において非常に有望な能力を示した。
我々は既存のDPMサンプリング器の後に適用可能な統一補正器(UniC)を開発し、精度を向上する。
そこで我々は,DPMの高速サンプリングのためのUniPCと呼ばれる統合予測器・相関器フレームワークを提案する。
論文 参考訳(メタデータ) (2023-02-09T18:59:48Z) - Mathematical model of printing-imaging channel for blind detection of
fake copy detection patterns [10.292065384528799]
本稿では,CDP認証のための印刷画像チャネルの数学的モデルを提案する。
その結果、訓練段階で未知のコピーフェイクを深層学習でも確実に認証できることが判明した。
論文 参考訳(メタデータ) (2022-12-14T16:46:54Z) - Printing variability of copy detection patterns [10.292065384528799]
コピー検出パターン(CDP)は偽造防止のための新しいソリューションである。
CDPは代替保護技術と比較して多くの利点があるため、反偽造産業を惹きつけている。
本稿では,2つの産業用HP Indigoプリンタによる新しいデータセットを提案する。
論文 参考訳(メタデータ) (2022-10-11T11:09:14Z) - Anomaly localization for copy detection patterns through print
estimations [10.292065384528799]
コピー検出パターン(CDP)は、製品の偽造から保護するための最近の技術である。
ディープラーニングベースの偽造は、従来の認証システムによるオリジナルとほとんど区別できないことが示されている。
本研究では、デジタルテンプレートとプリント元のCDPのみを必要とする機械学習(ML)ベースの認証システムを設計する。
論文 参考訳(メタデータ) (2022-09-29T13:18:57Z) - Authentication of Copy Detection Patterns under Machine Learning
Attacks: A Supervised Approach [10.292065384528799]
コピー検出パターン(CDP)は、メーカーが偽造から製品を守るための魅力的な技術である。
これまでの研究によると、機械学習(ML)ベースの攻撃は高品質な偽物を生み出す可能性がある。
本研究では,教師付き学習(SL)の設定を前提とした,そのような性能について検討する。
論文 参考訳(メタデータ) (2022-06-23T15:58:28Z) - Revisiting Consistency Regularization for Semi-supervised Change
Detection in Remote Sensing Images [60.89777029184023]
教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。
2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
論文 参考訳(メタデータ) (2022-04-18T17:59:01Z) - Mobile authentication of copy detection patterns [11.4928367384196]
本稿では,機械学習の観点から,コピー検出パターン(CDP)の不正コピーに対する認証的側面と抵抗性について検討する。
工業用プリンタにコードが印刷され、現代の携帯電話を介して登録された場合、実生活検証条件下で信頼性の高い認証に特別注意が払われる。
以上の結果から,最新の携帯電話の機械学習手法と技術的能力は,携帯端末上での偽造品のクラスにおけるCDPの確実な認証を可能にした。
論文 参考訳(メタデータ) (2022-03-04T16:07:26Z) - Adversarial EXEmples: A Survey and Experimental Evaluation of Practical
Attacks on Machine Learning for Windows Malware Detection [67.53296659361598]
EXEmplesは、比較的少ない入力バイトを摂動することで、機械学習に基づく検出をバイパスすることができる。
我々は、機械学習モデルに対する過去の攻撃を包含し、一般化するだけでなく、3つの新たな攻撃を含む統一フレームワークを開発する。
これらの攻撃はFull DOS、Extended、Shiftと呼ばれ、DOSヘッダをそれぞれ操作し、拡張し、第1セクションの内容を変更することで、敵のペイロードを注入する。
論文 参考訳(メタデータ) (2020-08-17T07:16:57Z)
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。