論文の概要: Authentication of Copy Detection Patterns under Machine Learning Attacks: A Supervised Approach

• arxiv url: http://arxiv.org/abs/2206.11793v1
• Date: Thu, 23 Jun 2022 15:58:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-24 14:31:48.043561
• Title: Authentication of Copy Detection Patterns under Machine Learning Attacks: A Supervised Approach
• Title（参考訳）: 機械学習攻撃におけるコピー検出パターンの認証--教師付きアプローチ
• Authors: Brian Pulfer, Roman Chaban, Yury Belousov, Joakim Tutt, Taras Holotyak, Slava Voloshynovskiy
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 7.9533170503170565
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Copy detection patterns (CDP) are an attractive technology that allows manufacturers to defend their products against counterfeiting. The main assumption behind the protection mechanism of CDP is that these codes printed with the smallest symbol size (1x1) on an industrial printer cannot be copied or cloned with sufficient accuracy due to data processing inequality. However, previous works have shown that Machine Learning (ML) based attacks can produce high-quality fakes, resulting in decreased accuracy of authentication based on traditional feature-based authentication systems. While Deep Learning (DL) can be used as a part of the authentication system, to the best of our knowledge, none of the previous works has studied the performance of a DL-based authentication system against ML-based attacks on CDP with 1x1 symbol size. In this work, we study such a performance assuming a supervised learning (SL) setting.
• Abstract（参考訳）: 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。 CDPの保護機構の背後にある主な前提は、産業用プリンタ上で最小のシンボルサイズ(1x1)で印刷されたこれらのコードは、データ処理の不平等のために十分な精度でコピーまたは複製できないことである。 しかし、以前の研究では機械学習(ML)ベースの攻撃が高品質なフェイクを発生させ、従来の特徴ベースの認証システムに基づく認証の精度を低下させることを示した。 ディープ・ラーニング(DL)は認証システムの一部として利用できるが、これまでの研究では1x1のシンボルサイズを持つMLベースのCDP攻撃に対するDLベースの認証システムの性能は研究されていない。 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。

関連論文リスト

• Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
  模倣攻撃は 不正な識別と その後の攻撃者の認証につながる 顔認識と同様に、模倣攻撃も機械学習で検出できる。 本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:26:10Z)
• Envisioning Outlier Exposure by Large Language Models for Out-of-Distribution Detection [71.93411099797308]
  オープンワールドシナリオに機械学習モデルをデプロイする場合、アウト・オブ・ディストリビューション(OOD)サンプルは不可欠である。 本稿では,大規模言語モデル(LLM)の専門知識と推論能力を活用して,この制約に対処することを提案する。 EOEは、遠、近、きめ細かいOOD検出など、さまざまなタスクに一般化することができる。 EOEは様々なOODタスクで最先端のパフォーマンスを実現し、ImageNet-1Kデータセットに効果的にスケールできる。
  論文  参考訳（メタデータ） (2024-06-02T17:09:48Z)
• EncryIP: A Practical Encryption-Based Framework for Model Intellectual Property Protection [17.655627250882805]
  本稿では,TextitEncryIPという,実用的な暗号化ベースのフレームワークを紹介する。 公開鍵暗号スキームをモデル学習プロセスにシームレスに統合する。 これは、トレーニングされた保護されたモデルと、許可されていないMLモデルの拡散を効率的に検出する双方において、優れた効果を示す。
  論文  参考訳（メタデータ） (2023-12-19T11:11:03Z)
• Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。 本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。 本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
  論文  参考訳（メタデータ） (2023-06-06T14:23:34Z)
• 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)
• Face Presentation Attack Detection [59.05779913403134]
  顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。 しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
  論文  参考訳（メタデータ） (2022-12-07T14:51:17Z)
• Pre-trained Encoders in Self-Supervised Learning Improve Secure and Privacy-preserving Supervised Learning [63.45532264721498]
  自己教師付き学習は、ラベルのないデータを使ってエンコーダを事前訓練するための新しいテクニックである。 我々は、事前訓練されたエンコーダがセキュア・プライバシ保護型学習アルゴリズムの限界に対処できるかどうかを理解するための、最初の体系的、原則的な測定研究を行う。
  論文  参考訳（メタデータ） (2022-12-06T21:35:35Z)
• 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)
• 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)
• Machine learning attack on copy detection patterns: are 1x1 patterns cloneable? [14.784426936848604]
  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。
  論文  参考訳（メタデータ） (2021-10-05T17:06:28Z)
• 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。