論文の概要: Hiding Local Manipulations on SAR Images: a Counter-Forensic Attack
- arxiv url: http://arxiv.org/abs/2407.07041v1
- Date: Tue, 9 Jul 2024 17:03:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-10 17:17:48.502182
- Title: Hiding Local Manipulations on SAR Images: a Counter-Forensic Attack
- Title(参考訳): SAR画像に局所的な操作を委ねる:反法医学的攻撃
- Authors: Sara Mandelli, Edoardo Daniele Cannas, Paolo Bestagini, Stefano Tebaldini, Stefano Tubaro,
- Abstract要約: オンラインポータルを通じてSAR(Synthetic Aperture Radar)画像の膨大なアクセシビリティが、様々な分野の研究を推進している。
脆弱性は、元の複雑な性質にもかかわらず、ほとんどのSAR製品が振幅のみの情報としてリリースされることによってさらに強調される。
本稿では,SARデータの複雑な性質を利用して,局所的に変化する振幅画像内の操作の兆候を隠蔽できることを実証する。
- 参考スコア(独自算出の注目度): 17.78894837783128
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The vast accessibility of Synthetic Aperture Radar (SAR) images through online portals has propelled the research across various fields. This widespread use and easy availability have unfortunately made SAR data susceptible to malicious alterations, such as local editing applied to the images for inserting or covering the presence of sensitive targets. Vulnerability is further emphasized by the fact that most SAR products, despite their original complex nature, are often released as amplitude-only information, allowing even inexperienced attackers to edit and easily alter the pixel content. To contrast malicious manipulations, in the last years the forensic community has begun to dig into the SAR manipulation issue, proposing detectors that effectively localize the tampering traces in amplitude images. Nonetheless, in this paper we demonstrate that an expert practitioner can exploit the complex nature of SAR data to obscure any signs of manipulation within a locally altered amplitude image. We refer to this approach as a counter-forensic attack. To achieve the concealment of manipulation traces, the attacker can simulate a re-acquisition of the manipulated scene by the SAR system that initially generated the pristine image. In doing so, the attacker can obscure any evidence of manipulation, making it appear as if the image was legitimately produced by the system. We assess the effectiveness of the proposed counter-forensic approach across diverse scenarios, examining various manipulation operations. The obtained results indicate that our devised attack successfully eliminates traces of manipulation, deceiving even the most advanced forensic detectors.
- Abstract(参考訳): オンラインポータルを通じてSAR(Synthetic Aperture Radar)画像の膨大なアクセシビリティが、様々な分野の研究を推進している。
この広範囲の使用と入手が容易なため、残念ながらSARデータは、機密性の高いターゲットの存在を挿入またはカバーするために画像に適用される局所的な編集など、悪意のある変更に影響を受けやすくなっている。
脆弱性は、元の複雑な性質にもかかわらず、ほとんどのSAR製品が振幅のみの情報としてリリースされ、経験の浅い攻撃者でも容易にピクセルの内容を編集・変更できるという事実によって強調されている。
悪質な操作とは対照的に、ここ数年、SARの操作問題を調査し始め、振幅画像の改ざんを効果的に局所化する検出器を提案している。
しかし,本稿では,SARデータの複雑な性質を利用して,局所的に変化する振幅画像内の操作の兆候を隠蔽できることを示す。
我々はこのアプローチを反法学攻撃と呼ぶ。
操作トレースの隠蔽を実現するために、攻撃者は、初期画像を生成するSARシステムにより、操作されたシーンの再取得をシミュレートすることができる。
そうすることで、攻撃者は操作の証拠を隠蔽し、その画像がシステムによって正当に生成されたかのように見せることができる。
本研究は,様々なシナリオにまたがる反法医学的アプローチの有効性を検証し,様々な操作操作について検討する。
その結果、我々の考案した攻撃は操作の痕跡をなくし、最も先進的な法医学的検知器さえも消し去ることが示唆された。
関連論文リスト
- Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。
それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。
以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
論文 参考訳(メタデータ) (2024-11-12T01:17:27Z) - ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
深層学習に基づく顔操作の誤用は、公民権に対する潜在的な脅威となる。
この不正行為を防ぐため、プロアクティブな防御技術が提案され、操作プロセスを妨害した。
我々は,ID-Guardと呼ばれる,顔操作と戦うための新しい普遍的枠組みを提案する。
論文 参考訳(メタデータ) (2024-09-20T09:30:08Z) - Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。
実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
論文 参考訳(メタデータ) (2024-08-28T10:07:17Z) - On the Vulnerability of DeepFake Detectors to Attacks Generated by
Denoising Diffusion Models [0.5827521884806072]
我々は,最新の生成手法によって生成されたブラックボックス攻撃に対する単一イメージのディープフェイク検出器の脆弱性について検討した。
われわれの実験はFaceForensics++で行われている。
以上の結果から,ディープフェイクの再建過程において,1段階の偏微分拡散のみを用いることで,検出可能性を大幅に低下させる可能性が示唆された。
論文 参考訳(メタデータ) (2023-07-11T15:57:51Z) - MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential
Deepfake Detection [81.59191603867586]
シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。
偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。
顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
論文 参考訳(メタデータ) (2023-07-06T02:32:08Z) - Splicing Detection and Localization In Satellite Imagery Using
Conditional GANs [26.615687071827576]
本稿では,衛星画像中のスプリケートされた偽物を特定するために,条件付き生成支援ネットワーク(cGAN)の利用について述べる。
本手法は,これらの検出と位置決めの目的において高い成功を収める。
論文 参考訳(メタデータ) (2022-05-03T22:25:48Z) - Exploring Frequency Adversarial Attacks for Face Forgery Detection [59.10415109589605]
フェースフォージェリ検出器に対する周波数対向攻撃法を提案する。
また,メタラーニングの概念に触発されて,空間領域と周波数領域の両方で攻撃を行うハイブリッド逆攻撃を提案する。
論文 参考訳(メタデータ) (2022-03-29T15:34:13Z) - Amplitude SAR Imagery Splicing Localization [17.075910584827568]
本稿では,局所化に伴う振幅SAR画像の問題点について検討する。
我々は、畳み込みニューラルネットワーク(CNN)を用いて、解析された入力の処理トレースにおける不整合を強調した指紋を抽出する。
提案手法は,SAR信号の性質に適合し,自然画像のために開発された最先端の法医学ツールよりも優れた性能が得られることを示す。
論文 参考訳(メタデータ) (2022-01-07T11:42:09Z) - Detect and Locate: A Face Anti-Manipulation Approach with Semantic and
Noise-level Supervision [67.73180660609844]
本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。
提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。
提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
論文 参考訳(メタデータ) (2021-07-13T02:59:31Z) - Generative Autoregressive Ensembles for Satellite Imagery Manipulation
Detection [18.977376778727898]
衛星画像は、軌道を周回する商用衛星の増加により、ますますアクセスしやすくなっている。
画像の改ざんや修正が容易で、画像操作ツールが下流のアプリケーションにダメージを与える。
本稿では、生成自己回帰モデルのアンサンブルを用いて、画像の画素分布をモデル化し、潜在的な操作を検出する。
論文 参考訳(メタデータ) (2020-10-08T04:41:30Z) - Adversarial Attack on Deep Learning-Based Splice Localization [14.669890331986794]
画像の操作を隠蔽する3つの非エンドツーエンドのディープラーニングベースのスプライスローカライズツールを,新たなアルゴリズムを用いて実証する。
生成した対向的摂動は, 局部化性能の劣化に関して, それら間で伝達可能であることが判明した。
論文 参考訳(メタデータ) (2020-04-17T20:31:38Z)
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。