論文の概要: Generative Autoencoders as Watermark Attackers: Analyses of
Vulnerabilities and Threats
- arxiv url: http://arxiv.org/abs/2306.01953v1
- Date: Fri, 2 Jun 2023 23:29:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 21:14:05.118461
- Title: Generative Autoencoders as Watermark Attackers: Analyses of
Vulnerabilities and Threats
- Title(参考訳): ウォーターマーク攻撃者としてのジェネレーティブオートエンコーダ:脆弱性と脅威の分析
- Authors: Xuandong Zhao, Kexun Zhang, Yu-Xiang Wang, Lei Li
- Abstract要約: Invisibleの透かしは、所有者が検出可能な隠されたメッセージを埋め込むことで、画像の著作権を保護する。
また、画像、特にAIモデルによる画像の誤使用を防ぐ。
視覚的品質を損なうことなく透かしを除去するためには、画像に不可欠な情報を保持しながら消さなければならない。
生成型オートエンコーダを用いて、見えない透かしを除去し、VAEと拡散を用いてテストするフレームワークを提案する。
- 参考スコア(独自算出の注目度): 33.298453122688905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Invisible watermarks safeguard images' copyrights by embedding hidden
messages detectable by owners. It also prevents people from misusing images,
especially those generated by AI models. Malicious adversaries can violate
these rights by removing the watermarks. In order to remove watermarks without
damaging the visual quality, the adversary needs to erase them while retaining
the essential information in the image. This is analogous to the encoding and
decoding process of generative autoencoders, especially variational
autoencoders (VAEs) and diffusion models. We propose a framework using
generative autoencoders to remove invisible watermarks and test it using VAEs
and diffusions. Our results reveal that, even without specific training,
off-the-shelf Stable Diffusion effectively removes most watermarks, surpassing
all current attackers. The result underscores the vulnerabilities in existing
watermarking schemes and calls for more robust methods for copyright
protection.
- Abstract(参考訳): Invisibleの透かしは、所有者が検出可能な隠されたメッセージを埋め込むことで、画像の著作権を保護する。
また、画像、特にAIモデルによる画像の誤使用を防ぐ。
悪意のある敵は、透かしを取り除いてこれらの権利を侵害することができる。
視覚的品質を損なうことなく透かしを除去するためには、画像に不可欠な情報を保持しながら消さなければならない。
これは、生成オートエンコーダの符号化および復号過程、特に変動オートエンコーダ(VAE)と拡散モデルに類似している。
生成型オートエンコーダを用いて、見えない透かしを除去し、VAEと拡散を用いてテストするフレームワークを提案する。
その結果, 特定の訓練がなくても, 既成の安定拡散は効果的にほとんどの透かしを除去し, 現在の攻撃者を上回ることがわかった。
その結果、既存の透かし方式の脆弱性を強調し、著作権保護のためのより堅牢な方法を求めている。
関連論文リスト
- A Transfer Attack to Image Watermarks [1.656188668325832]
本研究では,Non-box設定における画像透かしに対する新しい転送回避攻撃を提案する。
私たちの主な貢献は、理論的にも経験的にも、透かしベースのAI生成画像検出器は、回避攻撃に対して堅牢ではないことを示すことです。
論文 参考訳(メタデータ) (2024-03-22T17:33:11Z) - Robustness of AI-Image Detectors: Fundamental Limits and Practical
Attacks [47.04650443491879]
我々は、透かしやディープフェイク検出器を含む様々なAI画像検出器の堅牢性を分析する。
ウォーターマーキング手法は,攻撃者が実際の画像をウォーターマーキングとして識別することを目的としたスプーフ攻撃に対して脆弱であることを示す。
論文 参考訳(メタデータ) (2023-09-29T18:30:29Z) - Towards Robust Model Watermark via Reducing Parametric Vulnerability [57.66709830576457]
バックドアベースのオーナシップ検証が最近人気となり,モデルオーナがモデルをウォーターマークすることが可能になった。
本研究では,これらの透かし除去モデルを発見し,それらの透かし挙動を復元するミニマックス定式化を提案する。
本手法は,パラメトリックな変化と多数のウォーターマーク除去攻撃に対するモデル透かしの堅牢性を向上させる。
論文 参考訳(メタデータ) (2023-09-09T12:46:08Z) - Watermark Vaccine: Adversarial Attacks to Prevent Watermark Removal [69.10633149787252]
本稿では,対人機械学習による対人防御機構を提案する。
破壊性ウォーターマークワクチン(DWV)は、透かし除去ネットワークを通過した後、宿主のイメージと透かしを破滅させる。
Inerasable Watermark Vaccine(IWV)は、透かしが取り除かれないようにし、目立たないようにする別の方法だ。
論文 参考訳(メタデータ) (2022-07-17T13:50:02Z) - Certified Neural Network Watermarks with Randomized Smoothing [64.86178395240469]
本稿では,ディープラーニングモデルのための認証型透かし手法を提案する。
我々の透かしは、モデルパラメータが特定のl2しきい値以上変更されない限り、取り外し不可能であることが保証されている。
私たちの透かしは、従来の透かし法に比べて経験的に頑丈です。
論文 参考訳(メタデータ) (2022-07-16T16:06:59Z) - Watermark Faker: Towards Forgery of Digital Image Watermarking [10.14145437847397]
我々は, 生成的逆学習を用いて, デジタル画像ウォーターマーク・フェイカーの開発を初めて試みる。
提案手法は,空間領域と周波数領域の両方において,デジタル画像透かしを効果的にクラックできることを示す。
論文 参考訳(メタデータ) (2021-03-23T12:28:00Z) - 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)
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。