論文の概要: RoSteALS: Robust Steganography using Autoencoder Latent Space
- arxiv url: http://arxiv.org/abs/2304.03400v1
- Date: Thu, 6 Apr 2023 22:14:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 13:31:29.112620
- Title: RoSteALS: Robust Steganography using Autoencoder Latent Space
- Title(参考訳): RoSteALS: Autoencoder Latent Space を用いたロバストステガノグラフィ
- Authors: Tu Bui, Shruti Agarwal, Ning Yu and John Collomosse
- Abstract要約: RoSteALSは、凍結した事前訓練されたオートエンコーダを利用して、カバーイメージの分布学習からペイロード埋め込みを解放する実用的なステガノグラフィ技術である。
RoSteALSは、たった300kパラメータの軽量なシークレットエンコーダを持ち、訓練が容易で、完全なシークレットリカバリ性能と3つのベンチマークで同等の画像品質を持つ。
- 参考スコア(独自算出の注目度): 19.16770504267037
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Data hiding such as steganography and invisible watermarking has important
applications in copyright protection, privacy-preserved communication and
content provenance. Existing works often fall short in either preserving image
quality, or robustness against perturbations or are too complex to train. We
propose RoSteALS, a practical steganography technique leveraging frozen
pretrained autoencoders to free the payload embedding from learning the
distribution of cover images. RoSteALS has a light-weight secret encoder of
just 300k parameters, is easy to train, has perfect secret recovery performance
and comparable image quality on three benchmarks. Additionally, RoSteALS can be
adapted for novel cover-less steganography applications in which the cover
image can be sampled from noise or conditioned on text prompts via a denoising
diffusion process. Our model and code are available at
\url{https://github.com/TuBui/RoSteALS}.
- Abstract(参考訳): ステガノグラフィーや目に見えない透かしなどのデータ隠蔽は、著作権保護、プライバシー保護された通信、コンテンツ証明に重要な応用がある。
既存の作品は、画像の品質を維持するか、摂動に対する頑丈さを保っているか、訓練するには複雑すぎるかのいずれかで不足することが多い。
本研究では,凍結学習済みオートエンコーダを応用し,カバー画像の分布学習からペイロード埋め込みを解放する実用的なステガノグラフィー手法であるrostealsを提案する。
RoSteALSは、たった300kパラメータの軽量なシークレットエンコーダを持ち、訓練が容易で、完全なシークレットリカバリ性能と3つのベンチマークで同等の画像品質を持つ。
さらに、rostealsは、ノイズからカバー画像をサンプリングしたり、雑音拡散プロセスを介してテキストプロンプトで条件付けしたりできる、新しいカバーレスステガノグラフィアプリケーションに適用することができる。
我々のモデルとコードは \url{https://github.com/TuBui/RoSteALS} で利用可能です。
関連論文リスト
- TextDestroyer: A Training- and Annotation-Free Diffusion Method for Destroying Anomal Text from Images [84.08181780666698]
TextDestroyerは、シーンテキスト破壊のためのトレーニングおよびアノテーションなしのメソッドである。
提案手法は,復元前のガウス分布を用いて遅延開始符号中のテキスト領域をスクランブルする。
TextDestroyerの利点は、(1)労働集約型データアノテーションとリソース集約型トレーニングを排除し、(2)より徹底的なテキスト破壊を実現し、認識可能なトレースを防止し、(3)より優れた一般化能力を示し、現実世界のシーンと生成された画像の両方でうまく機能する。
論文 参考訳(メタデータ) (2024-11-01T04:41:00Z) - Provably Robust and Secure Steganography in Asymmetric Resource Scenario [30.12327233257552]
現在の安全なステガノグラフィーアプローチでは、プライベートメッセージの隠蔽と抽出のためにエンコーダとデコーダのペアが必要となる。
本稿では,非対称な資源設定のための確実かつセキュアなステガノグラフィーフレームワークを提案する。
論文 参考訳(メタデータ) (2024-07-18T13:32:00Z) - DiffStega: Towards Universal Training-Free Coverless Image Steganography with Diffusion Models [38.17146643777956]
カバーレス画像ステガノグラフィ(CIS)は、カバー画像を使用しないことにより、非受容性を高める。
近年の研究では、拡散モデルによるCISの鍵としてテキストプロンプトが活用されている。
そこで我々は,DiffStegaを提案する。DiffStegaは,ユニバーサルアプリケーションのための革新的なトレーニングフリー拡散型CIS戦略である。
論文 参考訳(メタデータ) (2024-07-15T06:15:49Z) - Robust Message Embedding via Attention Flow-Based Steganography [34.35209322360329]
画像ステガノグラフィーは、ホスト画像に情報を隠蔽し、元のものと知覚的に区別できないステゴ画像を得る。
本稿では,ホスト画像中のQRコードを介してメッセージを隠蔽する機能を持つ,Robust Message Steganography (RMSteg) と呼ばれる新しいメッセージ埋め込みフレームワークを提案する。
論文 参考訳(メタデータ) (2024-05-26T03:16:40Z) - Recoverable Privacy-Preserving Image Classification through Noise-like
Adversarial Examples [26.026171363346975]
分類などのクラウドベースの画像関連サービスが重要になっている。
本研究では,新しいプライバシー保護画像分類手法を提案する。
暗号化された画像は、秘密鍵を使用して、高い忠実度(保存可能な)で元の形式に復号することができる。
論文 参考訳(メタデータ) (2023-10-19T13:01:58Z) - DIAGNOSIS: Detecting Unauthorized Data Usages in Text-to-image Diffusion Models [79.71665540122498]
保護されたデータセットにインジェクトされたコンテンツを配置することで、不正なデータ利用を検出する手法を提案する。
具体的には、ステルス画像ワープ機能を用いて、これらの画像にユニークな内容を追加することにより、保護された画像を修正する。
このモデルが注入されたコンテンツを記憶したかどうかを解析することにより、不正に不正に使用したモデルを検出することができる。
論文 参考訳(メタデータ) (2023-07-06T16:27:39Z) - Tree-Ring Watermarks: Fingerprints for Diffusion Images that are
Invisible and Robust [55.91987293510401]
生成モデルのアウトプットを透かしは、著作権をトレースし、AI生成コンテンツによる潜在的な害を防ぐ重要なテクニックである。
本稿では,拡散モデル出力を頑健にフィンガープリントするTree-Ring Watermarkingという新しい手法を提案する。
私たちの透かしは画像空間に意味的に隠れており、現在デプロイされている透かしよりもはるかに堅牢です。
論文 参考訳(メタデータ) (2023-05-31T17:00:31Z) - Discriminative Class Tokens for Text-to-Image Diffusion Models [107.98436819341592]
自由形式のテキストの表現可能性を利用した非侵襲的な微調整手法を提案する。
本手法は,従来の微調整法と比較して高速で,クラス内の画像の収集を必要としない。
i)標準拡散モデルよりも正確で高品質な生成画像,(ii)低リソース環境でのトレーニングデータの拡張,および(iii)誘導分類器の訓練に使用されるデータ情報を明らかにする。
論文 参考訳(メタデータ) (2023-03-30T05:25:20Z) - Low-frequency Image Deep Steganography: Manipulate the Frequency
Distribution to Hide Secrets with Tenacious Robustness [29.645237618793963]
低周波画像深部ステレオグラフィ(LIDS)は埋め込み過程における周波数分布の操作を可能にする。
LIDSは、コンテナイメージの高周波成分を歪ませる攻撃に対する堅牢性を改善する。
論文 参考訳(メタデータ) (2023-03-23T23:41:01Z) - ConfounderGAN: Protecting Image Data Privacy with Causal Confounder [85.6757153033139]
本稿では,GAN(Generative Adversarial Network)のConfounderGANを提案する。
実験は、3つの自然なオブジェクトデータセットと3つの医療データセットからなる6つの画像分類データセットで実施される。
論文 参考訳(メタデータ) (2022-12-04T08:49:14Z) - Hiding Images in Deep Probabilistic Models [58.23127414572098]
我々は、画像の深い確率モデルに隠蔽するための異なる計算フレームワークについて述べる。
具体的には、DNNを用いて、カバー画像の確率密度をモデル化し、学習した分布の特定の場所に秘密画像を隠す。
我々は,抽出精度とモデルセキュリティの観点から,SinGANアプローチの実現可能性を示す。
論文 参考訳(メタデータ) (2022-10-05T13:33:25Z)
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。