論文の概要: Learning to Immunize Images for Tamper Localization and Self-Recovery

• arxiv url: http://arxiv.org/abs/2210.15902v1
• Date: Fri, 28 Oct 2022 05:16:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-31 17:08:46.221750
• Title: Learning to Immunize Images for Tamper Localization and Self-Recovery
• Title（参考訳）: タンパー局在と自己回復のための画像免疫の学習
• Authors: Qichao Ying, Hang Zhou, Zhenxing Qian, Sheng Li, Xinpeng Zhang
• Abstract要約: 画像免疫(いむげ)とは、自明な摂動を導入して画像を保護する技術である。 本稿では,画像免疫の強化手法であるImuge+について述べる。
• 参考スコア（独自算出の注目度）: 30.185576617722713
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital images are vulnerable to nefarious tampering attacks such as content addition or removal that severely alter the original meaning. It is somehow like a person without protection that is open to various kinds of viruses. Image immunization (Imuge) is a technology of protecting the images by introducing trivial perturbation, so that the protected images are immune to the viruses in that the tampered contents can be auto-recovered. This paper presents Imuge+, an enhanced scheme for image immunization. By observing the invertible relationship between image immunization and the corresponding self-recovery, we employ an invertible neural network to jointly learn image immunization and recovery respectively in the forward and backward pass. We also introduce an efficient attack layer that involves both malicious tamper and benign image post-processing, where a novel distillation-based JPEG simulator is proposed for improved JPEG robustness. Our method achieves promising results in real-world tests where experiments show accurate tamper localization as well as high-fidelity content recovery. Additionally, we show superior performance on tamper localization compared to state-of-the-art schemes based on passive forensics.
• Abstract（参考訳）: デジタル画像は、コンテンツの追加や削除といった、本来の意味を著しく変える不正な改ざん攻撃に対して脆弱である。 様々な種類のウイルスに開放された保護のない人のようなものです。 画像免疫(いむげ)は、自明な摂動を導入して画像を保護する技術であり、保護された画像がウイルスに免疫し、改ざんされた内容を自動的に回収することができる。 本稿では,画像免疫の強化手法であるImuge+について述べる。 画像免疫とそれに対応する自己回復の関係を可逆的に観察することにより、画像免疫と逆行性回復を同時に学習する可逆ニューラルネットワークを用いる。 また,悪質なタンパーと良性な画像後処理の両方を含む効率的な攻撃層を導入し,新しい蒸留方式のJPEGシミュレータを提案し,JPEGの堅牢性を向上させる。 提案手法は,精度の高いタンパの局所化と高忠実度コンテンツの回復を示す実世界の実験において有望な結果が得られる。 さらに, 受動法医学に基づく最先端のスキームと比較して, タンパー局在の優れた性能を示す。

関連論文リスト

• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
  敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。 我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-01-06T03:03:28Z)
• IMPRESS: Evaluating the Resilience of Imperceptible Perturbations Against Unauthorized Data Usage in Diffusion-Based Generative AI [52.90082445349903]
  拡散ベースの画像生成モデルは、アーティストのスタイルを模倣するアートイメージを作成したり、偽のコンテンツのためにオリジナルの画像を悪意を持って編集することができる。 知覚不能な摂動を追加することによって、元のイメージをそのような不正なデータ使用から保護する試みがいくつかなされている。 本研究では, IMPRESS という浄化摂動プラットフォームを導入し, 非受容性摂動の有効性を保護策として評価する。
  論文  参考訳（メタデータ） (2023-10-30T03:33:41Z)
• IRAD: Implicit Representation-driven Image Resampling against Adversarial Attacks [16.577595936609665]
  本稿では,画像再サンプリングという,敵対的攻撃に対する新たなアプローチを提案する。 画像再サンプリングは、幾何学的変換によって指定されたシーンの再調整や再レンダリングの過程をシミュレートして、離散画像を新しい画像に変換する。 本手法は,クリーンな画像の精度を維持しつつ,多様な深層モデルの様々な攻撃に対する対角的堅牢性を著しく向上することを示す。
  論文  参考訳（メタデータ） (2023-10-18T11:19:32Z)
• PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
  保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。 本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
  論文  参考訳（メタデータ） (2023-07-18T10:55:54Z)
• Content-based Unrestricted Adversarial Attack [53.181920529225906]
  本稿では,コンテンツベース非制限攻撃という新たな非制限攻撃フレームワークを提案する。 自然像を表す低次元多様体を利用することで、像を多様体上に写像し、その逆方向に沿って最適化する。
  論文  参考訳（メタデータ） (2023-05-18T02:57:43Z)
• Robust Image Protection Countering Cropping Manipulation [30.185576617722713]
  本稿では,イメージ・クロップ・ローカライゼーション・リカバリ(CLR-Net)のための新しいロバストな透かし方式を提案する。 我々はまず、知覚不能な摂動を導入して元のイメージを保護する。次に、典型的な画像処理後攻撃をシミュレートして、保護されたイメージを消去する。 受信者の側では、収穫マスクを予測し、元のイメージを復元する。
  論文  参考訳（メタデータ） (2022-06-06T07:26:29Z)
• Image-to-Image Regression with Distribution-Free Uncertainty Quantification and Applications in Imaging [88.20869695803631]
  真値を含むことが保証される各画素の周囲の不確実な間隔を導出する方法を示す。 画像から画像への回帰を3つのタスクで評価する。
  論文  参考訳（メタデータ） (2022-02-10T18:59:56Z)
• From Image to Imuge: Immunized Image Generation [23.430377385327308]
  イムゲ(Imuge)は、画像の自己回復のための画像改ざん耐性生成スキームである。 我々は、U-Netバックボンドエンコーダ、タンパーローカライゼーションネットワーク、イメージリカバリのためのデコーダを共同で訓練する。 本手法は, 種々の攻撃が存在するにも関わらず, 精度の高い改ざん領域の細部を復元できることを示す。
  論文  参考訳（メタデータ） (2021-10-27T05:56:15Z)
• Hiding Images into Images with Real-world Robustness [21.328984859163956]
  高品質な画像抽出を実現しつつ,画像に隠蔽する生成ネットワーク方式を提案する。 埋め込みネットワークは、攻撃層、分離ネットワーク、画像抽出ネットワークと順次分離される。 私たちは3つの秘密のイメージをしっかりと隠した最初の人です。
  論文  参考訳（メタデータ） (2021-10-12T02:20:34Z)
• Image Transformation Network for Privacy-Preserving Deep Neural Networks and Its Security Evaluation [17.134566958534634]
  プライバシー保護DNNのための画像生成のための変換ネットワークを提案する。 提案するネットワークは,視覚情報を強く保護するだけでなく,画像を用いた画像分類精度の維持にも有効である。
  論文  参考訳（メタデータ） (2020-08-07T12:58:45Z)

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。