論文の概要: Mesh Watermark Removal Attack and Mitigation: A Novel Perspective of Function Space

• arxiv url: http://arxiv.org/abs/2311.12059v2
• Date: Wed, 18 Dec 2024 03:23:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-19 16:46:21.630629
• Title: Mesh Watermark Removal Attack and Mitigation: A Novel Perspective of Function Space
• Title（参考訳）: メッシュ透かし除去攻撃と緩和:関数空間の新しい視点
• Authors: Xingyu Zhu, Guanhui Ye, Chengdong Dong, Xiapu Luo, Xuetao Wei,
• Abstract要約: Mesh Watermarkは、シークレットメッセージを3Dメッシュに埋め込んで、ウォーターマークされたメッシュからメッセージをデコードして、オーナシップ検証を行う。 FuncEvadeは、透かしメッシュの符号付き距離関数からそれを抽出することで、透かしメッシュの異なる離散表現を生成する。 FuncMarkはメッセージ誘導変形によって符号付き距離関数を透かし、funcEvadeを緩和する。
• 参考スコア（独自算出の注目度）: 22.961108438588028
• License:
• Abstract: Mesh watermark embeds secret messages in 3D meshes and decodes the message from watermarked meshes for ownership verification. Current watermarking methods directly hide secret messages in vertex and face sets of meshes. However, mesh is a discrete representation that uses vertex and face sets to describe a continuous signal, which can be discretized in other discrete representations with different vertex and face sets. This raises the question of whether the watermark can still be verified on the different discrete representations of the watermarked mesh. We conduct this research in an attack-then-defense manner by proposing a novel function space mesh watermark removal attack FuncEvade and then mitigating it through function space mesh watermarking FuncMark. In detail, FuncEvade generates a different discrete representation of a watermarked mesh by extracting it from the signed distance function of the watermarked mesh. We observe that the generated mesh can evade ALL previous watermarking methods. FuncMark mitigates FuncEvade by watermarking signed distance function through message-guided deformation. Such deformation can survive isosurfacing and thus be inherited by the extracted meshes for further watermark decoding. Extensive experiments demonstrate that FuncEvade achieves 100% evasion rate among all previous watermarking methods while achieving only 0.3% evasion rate on FuncMark. Besides, our FuncMark performs similarly on other metrics compared to state-of-the-art mesh watermarking methods.
• Abstract（参考訳）: Mesh Watermarkは、シークレットメッセージを3Dメッシュに埋め込んで、ウォーターマークされたメッシュからメッセージをデコードして、オーナシップ検証を行う。 現在の透かし手法は、頂点とメッシュの顔セットに秘密のメッセージを直接隠している。 しかしメッシュは、頂点と面集合を用いて連続的な信号を記述する離散表現であり、異なる頂点と面集合を持つ他の離散表現で離散化することができる。 このことは、透かしが、透かしメッシュの異なる離散表現でまだ検証できるかどうかという問題を提起する。 本研究では,関数型メッシュウォーターマーク除去攻撃FuncEvadeの提案と,関数型メッシュウォーターマークを用いたFuncMarkの緩和により,攻撃時防御方式で本研究を行う。 詳しくは、funcEvadeは、透かしメッシュの符号付き距離関数からそれを抽出することで、透かしメッシュの異なる離散表現を生成する。 生成されたメッシュは,従来の透かし手法を回避できる。 FuncMarkはメッセージ誘導変形によって符号付き距離関数を透かし、funcEvadeを緩和する。 このような変形はアイソサーフェスに耐えることができ、抽出されたメッシュによって継承され、さらなる透かし復号化が行われる。 広範囲な実験により、FuncEvadeは従来のすべての透かし法で100%の回避率を達成し、FuncMarkではわずか0.3%の回避率を達成した。 また、FuncMarkは最先端のメッシュウォーターマーキング手法と比較して、他のメトリクスでも同様に機能します。

関連論文リスト

• Speech Watermarking with Discrete Intermediate Representations [45.892635912641836]
  本稿では,音声の中間表現に透かしを注入する新しい音声透かしフレームワークを提案する。 DiscreteWMは、堅牢性と非受容性を同時に実現します。 我々のフレキシブルなフレームワイドアプローチは、音声のクローン検出と情報隠蔽の両面において効率的な解決策となる。
  論文  参考訳（メタデータ） (2024-12-18T14:57:06Z)
• De-mark: Watermark Removal in Large Language Models [59.00698153097887]
  我々は、n-gramベースの透かしを効果的に除去するために設計された高度なフレームワークであるDe-markを紹介する。 提案手法は,透かしの強度を評価するために,ランダム選択探索と呼ばれる新しいクエリ手法を利用する。
  論文  参考訳（メタデータ） (2024-10-17T17:42:10Z)
• DiffuseTrace: A Transparent and Flexible Watermarking Scheme for Latent Diffusion Model [15.982765272033058]
  潜在拡散モデル(LDM)は幅広い応用を可能にするが、違法利用に関する倫理的懸念を提起する。 DiffuseTraceと呼ばれる新しいテクニックは、すべての生成された画像に見えない透かしを埋め込んで、将来的な検出を意味づける。
  論文  参考訳（メタデータ） (2024-05-04T15:32:57Z)
• Finding needles in a haystack: A Black-Box Approach to Invisible Watermark Detection [68.90458499700038]
  WaterMark Detection (WMD) は、ブラックボックスとアノテーションなしの設定下で最初に目に見えない透かし検出法である。 我々はオフセット学習の基礎を用いてWMDを開発し、クリーンな非透かしデータセットにより、透かしサンプルのみの影響を分離することができる。
  論文  参考訳（メタデータ） (2024-03-23T23:22:54Z)
• 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)
• Watermarking Text Generated by Black-Box Language Models [103.52541557216766]
  テキスト生成中に透かしを埋め込むことのできるホワイトボックスLCMに対して,透かしに基づく手法が提案されている。 リストを認識した検出アルゴリズムは、透かし付きテキストを識別することができる。 我々はブラックボックス言語モデル利用シナリオのための透かしフレームワークを開発する。
  論文  参考訳（メタデータ） (2023-05-14T07:37:33Z)
• Supervised GAN Watermarking for Intellectual Property Protection [33.827150843939094]
  本稿では,GAN(Generative Adversarial Networks)のための透かし手法を提案する。 目的は、GANモデルで生成された画像が見えない透かし(署名)を含むように、GANモデルに透かしを付けることである。 その結果,本手法は生成画像内に見えない透かしを効果的に埋め込むことができることがわかった。
  論文  参考訳（メタデータ） (2022-09-07T20:52:05Z)
• 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)
• Split then Refine: Stacked Attention-guided ResUNets for Blind Single Image Visible Watermark Removal [69.92767260794628]
  従来の透かし除去方法は,ユーザから透かしの位置を取得したり,マルチタスクネットワークをトレーニングして,背景を無差別に復元する必要があった。 本稿では,注目誘導型ResUNetsを積み重ねた新しい2段階フレームワークを提案し,検出・除去・精錬の過程をシミュレートする。 様々な条件下で4つの異なるデータセット上でアルゴリズムを広範囲に評価し,その手法が他の最先端手法をはるかに上回っていることを示す実験を行った。
  論文  参考訳（メタデータ） (2020-12-13T09:05:37Z)

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。