論文の概要: SSyncOA: Self-synchronizing Object-aligned Watermarking to Resist Cropping-paste Attacks

• arxiv url: http://arxiv.org/abs/2405.03458v1
• Date: Mon, 6 May 2024 13:29:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-07 13:36:52.057341
• Title: SSyncOA: Self-synchronizing Object-aligned Watermarking to Resist Cropping-paste Attacks
• Title（参考訳）: SSyncOA: クロップ・ペースト攻撃に対する自己同期型オブジェクト整列型透かし
• Authors: Chengxin Zhao, Hefei Ling, Sijing Xie, Han Fang, Yaokun Fang, Nan Sun,
• Abstract要約: cropping-paste攻撃は画像透かしの同期を破る。 収穫ペースト攻撃に抵抗する鍵は、保護する物体の頑丈な特徴にある。 本稿では,SSyncOAと呼ばれる自己同期型オブジェクト整列型透かし手法を提案する。
• 参考スコア（独自算出の注目度）: 14.886729577388822
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern image processing tools have made it easy for attackers to crop the region or object of interest in images and paste it into other images. The challenge this cropping-paste attack poses to the watermarking technology is that it breaks the synchronization of the image watermark, introducing multiple superimposed desynchronization distortions, such as rotation, scaling, and translation. However, current watermarking methods can only resist a single type of desynchronization and cannot be applied to protect the object's copyright under the cropping-paste attack. With the finding that the key to resisting the cropping-paste attack lies in robust features of the object to protect, this paper proposes a self-synchronizing object-aligned watermarking method, called SSyncOA. Specifically, we first constrain the watermarked region to be aligned with the protected object, and then synchronize the watermark's translation, rotation, and scaling distortions by normalizing the object invariant features, i.e., its centroid, principal orientation, and minimum bounding square, respectively. To make the watermark embedded in the protected object, we introduce the object-aligned watermarking model, which incorporates the real cropping-paste attack into the encoder-noise layer-decoder pipeline and is optimized end-to-end. Besides, we illustrate the effect of different desynchronization distortions on the watermark training, which confirms the necessity of the self-synchronization process. Extensive experiments demonstrate the superiority of our method over other SOTAs.
• Abstract（参考訳）: 現代の画像処理ツールは、攻撃者が画像に対する関心のある領域や対象を抽出し、それを他の画像に貼り付けるのを容易にする。 このトリッピング・ペースト攻撃がウォーターマーク技術にもたらす課題は、画像透かしの同期を破り、回転、スケーリング、翻訳などの複数の重畳された非同期歪みを導入することである。 しかし、現在の透かし方式は1種類の非同期化にのみ抵抗することができ、トリッピング・ペースト攻撃の下でオブジェクトの著作権を保護するには適用できない。 SSyncOAと呼ばれる自己同期型オブジェクトアライメント透かし手法を提案する。 具体的には、まず、保護対象と整列する透かし領域を制約し、次にそれぞれ、その遠心点、主方向、最小有界角といった物体不変の特徴を正規化することにより、透かしの変換、回転、スケーリングの歪みを同期させる。 保護されたオブジェクトに透かしを埋め込むために,エンコーダ-ノイズ層-デコーダパイプラインに実際のトリッピング・ペースト・アタックを組み込んだオブジェクト整列型透かしモデルを導入し,エンドツーエンドに最適化する。 さらに,異なる非同期化歪みが透かし訓練に及ぼす影響について考察し,自己同期プロセスの必要性を確認する。 大規模な実験は、他のSOTAに比べて、我々の方法が優れていることを示す。

関連論文リスト

• ESpeW: Robust Copyright Protection for LLM-based EaaS via Embedding-Specific Watermark [50.08021440235581]
  組み込み・アズ・ア・サービス(Eding)はAIアプリケーションにおいて重要な役割を担っている。 編集はモデル抽出攻撃に対して脆弱であり、著作権保護の緊急の必要性を強調している。 そこで我々は,Edingの著作権保護を堅牢にするための新しい埋め込み専用透かし (ESpeW) 機構を提案する。
  論文  参考訳（メタデータ） (2024-10-23T04:34:49Z)
• Robustness of Watermarking on Text-to-Image Diffusion Models [9.277492743469235]
  本稿では,透かし埋め込みとテキスト・ツー・イメージ・ジェネレーション処理を統合することで生成する透かしの堅牢性について検討する。 生成型透かし法は, 識別器による攻撃やエッジ予測に基づく攻撃のエッジ情報に基づく操作など, 直接回避攻撃に対して堅牢であるが, 悪意のある微調整には脆弱であることがわかった。
  論文  参考訳（メタデータ） (2024-08-04T13:59:09Z)
• Certifiably Robust Image Watermark [57.546016845801134]
  ジェネレーティブAIは、偽情報やプロパガンダキャンペーンの促進など、多くの社会的懸念を提起する。 ウォーターマークAI生成コンテンツは、これらの懸念に対処するための重要な技術である。 本報告では, 除去・偽造攻撃に対するロバスト性保証を保証した最初の画像透かしを提案する。
  論文  参考訳（メタデータ） (2024-07-04T17:56:04Z)
• Latent Watermark: Inject and Detect Watermarks in Latent Diffusion Space [7.082806239644562]
  既存の手法は、画質と透かしの堅牢性のジレンマに直面している。 画像品質の優れた透かしは通常、ぼやけやJPEG圧縮のような攻撃に対して弱い堅牢性を持つ。 本稿では,潜伏拡散空間内の透かしを注入し,検出する潜伏透かしを提案する。
  論文  参考訳（メタデータ） (2024-03-30T03:19:50Z)
• RAW: A Robust and Agile Plug-and-Play Watermark Framework for AI-Generated Images with Provable Guarantees [33.61946642460661]
  本稿ではRAWと呼ばれる堅牢でアジャイルな透かし検出フレームワークを紹介する。 我々は、透かしの存在を検出するために、透かしと共同で訓練された分類器を用いる。 このフレームワークは,透かし画像の誤分類に対する偽陽性率に関する証明可能な保証を提供する。
  論文  参考訳（メタデータ） (2024-01-23T22:00:49Z)
• Practical Deep Dispersed Watermarking with Synchronization and Fusion [10.633580224539337]
  我々は,textbfSynchronization と textbfFusion を併用した,実践的なdeep textbfDispersed textbfWatermarkingを提案する。 我々の盲目透かしは、平均してビット精度を5.28%改善し、5.93%を単独攻撃と組み合わせ攻撃に対して改善することができる。
  論文  参考訳（メタデータ） (2023-10-23T03:34:05Z)
• T2IW: Joint Text to Image & Watermark Generation [74.20148555503127]
  画像と透かし(T2IW)への共同テキスト生成のための新しいタスクを提案する。 このT2IWスキームは、意味的特徴と透かし信号が画素内で互換性を持つように強制することにより、複合画像を生成する際に、画像品質に最小限のダメージを与える。 提案手法により,画像品質,透かしの可視性,透かしの堅牢性などの顕著な成果が得られた。
  論文  参考訳（メタデータ） (2023-09-07T16:12:06Z)
• 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)
• 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)
• 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。