論文の概要: FastStamp: Accelerating Neural Steganography and Digital Watermarking of
Images on FPGAs
- arxiv url: http://arxiv.org/abs/2209.12391v1
- Date: Mon, 26 Sep 2022 03:08:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 15:02:59.656724
- Title: FastStamp: Accelerating Neural Steganography and Digital Watermarking of
Images on FPGAs
- Title（参考訳）: FastStamp: FPGA上の画像の高速化とデジタル透かし
- Authors: Shehzeen Hussain, Nojan Sheybani, Paarth Neekhara, Xinqiao Zhang,
Javier Duarte, Farinaz Koushanfar
- Abstract要約: ステレオグラフィーとデジタル透かしは、画像ピクセル内の回復可能なデータを隠蔽するタスクである。
ディープニューラルネットワーク(DNN)ベースの画像ステガノグラフィーとウォーターマーキング技術は、手作業による従来のパイプラインを急速に置き換えている。
FastStampは、デジタルメディアのメディアの信頼性と所有権を確立するために、ハードウェアシグネチャをイメージに埋め込むことができる。
- 参考スコア（独自算出の注目度）: 23.124509896935802
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Steganography and digital watermarking are the tasks of hiding recoverable
data in image pixels. Deep neural network (DNN) based image steganography and
watermarking techniques are quickly replacing traditional hand-engineered
pipelines. DNN based watermarking techniques have drastically improved the
message capacity, imperceptibility and robustness of the embedded watermarks.
However, this improvement comes at the cost of increased computational overhead
of the watermark encoder neural network. In this work, we design the first
accelerator platform FastStamp to perform DNN based steganography and digital
watermarking of images on hardware. We first propose a parameter efficient DNN
model for embedding recoverable bit-strings in image pixels. Our proposed model
can match the success metrics of prior state-of-the-art DNN based watermarking
methods while being significantly faster and lighter in terms of memory
footprint. We then design an FPGA based accelerator framework to further
improve the model throughput and power consumption by leveraging data
parallelism and customized computation paths. FastStamp allows embedding
hardware signatures into images to establish media authenticity and ownership
of digital media. Our best design achieves 68 times faster inference as
compared to GPU implementations of prior DNN based watermark encoder while
consuming less power.
- Abstract（参考訳）: ステガノグラフィとデジタル透かしは、画像ピクセルに復元可能なデータを隠蔽するタスクである。
ディープニューラルネットワーク(DNN)ベースの画像ステガノグラフィーとウォーターマーキング技術は、手動パイプラインを急速に置き換えている。
dnnベースの透かし技術は、埋め込み透かしのメッセージ容量、可視性、ロバスト性を大幅に改善した。
しかし、この改善は、透かしエンコーダニューラルネットワークの計算オーバーヘッドを増大させるコストが伴う。
本研究では,ハードウェア上の画像のデジタル透かしとDNNに基づくステガノグラフィーを行うための,最初のアクセラレータプラットフォームであるFastStampを設計する。
まず,画像画素に再生可能なビット列を埋め込むためのパラメータ効率の良いdnnモデルを提案する。
提案手法は,従来のDNNによる透かし手法の成功度と一致し,メモリフットプリントの点ではるかに高速かつ軽量である。
次に,データ並列性と計算パスをカスタマイズすることにより,モデルのスループットと消費電力をさらに向上させるfpgaベースのアクセラレータフレームワークを設計した。
FastStampは、デジタルメディアのメディア信頼性と所有権を確立するために、ハードウェアシグネチャをイメージに埋め込むことができる。
従来のDNNベースの透かしエンコーダのGPU実装と比較して消費電力を抑えながら68倍高速な推論を実現する。
関連論文リスト
- A self-supervised CNN for image watermark removal [102.94929746450902]
画像透かし除去(SWCNN)における自己教師型畳み込みニューラルネットワーク(CNN)を提案する。
SWCNNは、透かし分布に従って、ペアのトレーニングサンプルではなく、基準透かし画像を構築するために、自己教師付き方式を使用している。
テクスチャ情報を考慮すると、画像透かし除去の視覚効果を改善するために混合損失を利用する。
論文 参考訳（メタデータ） (2024-03-09T05:59:48Z) - DeepEclipse: How to Break White-Box DNN-Watermarking Schemes [60.472676088146436]
既存のホワイトボックスの透かし除去方式とは大きく異なる難読化手法を提案する。
DeepEclipseは、下層の透かしスキームについて事前に知ることなく、透かし検出を回避できる。
評価の結果,DeepEclipseは複数のホワイトボックス透かし方式に優れていることがわかった。
論文 参考訳（メタデータ） (2024-03-06T10:24:47Z) - Convolutional Neural Network-Based Image Watermarking using Discrete
Wavelet Transform [5.1779694507922835]
本稿では,畳み込みニューラルネットワーク(CNN)とウェーブレット変換を組み合わせた透かしネットワークを提案する。
ネットワークはホストイメージの解像度とは独立しており、あらゆる種類の透かしを受け付け、パフォーマンスを維持しながら11のCNN層しか持たない。
論文 参考訳（メタデータ） (2022-10-08T22:54:46Z) - Watermarking Images in Self-Supervised Latent Spaces [75.99287942537138]
我々は,自己教師型アプローチに照らして,事前学習した深層ネットワークに基づく透かし手法を再検討する。
我々は、マーク時間におけるデータの増大を利用して、マークとバイナリのメッセージをその潜在空間に埋め込む方法を提案する。
論文 参考訳（メタデータ） (2021-12-17T15:52:46Z) - 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) - Immunization of Pruning Attack in DNN Watermarking Using Constant Weight
Code [9.577509224534323]
一定重み付き符号を用いてプルーニング攻撃の効果を免疫する新しい符号化手法を提案する。
我々の知る限りでは、これはDNN透かしの符号化技術を導入し、プルーニング攻撃に対して堅牢にするための最初の研究である。
論文 参考訳（メタデータ） (2021-07-07T00:50:27Z) - Robust Watermarking using Diffusion of Logo into Autoencoder Feature
Maps [10.072876983072113]
本稿では,透かしのためのエンドツーエンドネットワークを提案する。
画像の内容に基づいて,畳み込みニューラルネットワーク(CNN)を用いて埋め込み強度を制御する。
異なる画像処理攻撃は、モデルの堅牢性を改善するためにネットワーク層としてシミュレートされる。
論文 参考訳（メタデータ） (2021-05-24T05:18:33Z) - CNNs for JPEGs: A Study in Computational Cost [49.97673761305336]
畳み込みニューラルネットワーク(CNN)は過去10年間で驚くべき進歩を遂げてきた。
CNNはRGBピクセルから直接データの堅牢な表現を学習することができる。
近年,圧縮領域から直接学習できる深層学習手法が注目されている。
論文 参考訳（メタデータ） (2020-12-26T15:00:10Z) - Fine-tuning Is Not Enough: A Simple yet Effective Watermark Removal
Attack for DNN Models [72.9364216776529]
我々は異なる視点から新しい透かし除去攻撃を提案する。
我々は、知覚不可能なパターン埋め込みと空間レベルの変換を組み合わせることで、単純だが強力な変換アルゴリズムを設計する。
我々の攻撃は、非常に高い成功率で最先端の透かしソリューションを回避できる。
論文 参考訳（メタデータ） (2020-09-18T09:14:54Z) - Generating Image Adversarial Examples by Embedding Digital Watermarks [38.93689142953098]
本稿では,DNN(Deep Neural Network, ディープ・ニューラル・ネットワーク)モデルに対する画像逆転例を生成する,新しいデジタル透かしに基づく手法を提案する。
ホスト画像と透かし画像を選択するための効率的な機構を考案し、改良された離散ウェーブレット変換(DWT)に基づく透かしアルゴリズムを利用する。
我々のスキームは、CIFAR-10データセット上の各画像に対する攻撃を完了する平均1.17秒で、多数の敵例を効率的に生成することができる。
論文 参考訳（メタデータ） (2020-08-14T09:03:26Z)
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。