論文の概要: On the Difficulty of Constructing a Robust and Publicly-Detectable Watermark

• arxiv url: http://arxiv.org/abs/2502.04901v1
• Date: Fri, 07 Feb 2025 13:11:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-10 14:57:08.085163
• Title: On the Difficulty of Constructing a Robust and Publicly-Detectable Watermark
• Title（参考訳）: ロバストかつ公然と検出可能な透かしを構築することの難しさについて
• Authors: Jaiden Fairoze, Guillermo Ortiz-Jiménez, Mel Vecerik, Somesh Jha, Sven Gowal,
• Abstract要約: 既存のスキームは、堅牢性、非鍛造性、および公開検出性を組み合わせたものはない。 ディープラーニング能力の飛躍を伴わずに、私たちのスキームの特定のコンポーネントを構築するのは魅力的です。 我々は、堅牢で公に検証可能な証明を実際に実現する前に対処する必要がある研究の方向性を提案する。
• 参考スコア（独自算出の注目度）: 31.42459678324617
• License:
• Abstract: This work investigates the theoretical boundaries of creating publicly-detectable schemes to enable the provenance of watermarked imagery. Metadata-based approaches like C2PA provide unforgeability and public-detectability. ML techniques offer robust retrieval and watermarking. However, no existing scheme combines robustness, unforgeability, and public-detectability. In this work, we formally define such a scheme and establish its existence. Although theoretically possible, we find that at present, it is intractable to build certain components of our scheme without a leap in deep learning capabilities. We analyze these limitations and propose research directions that need to be addressed before we can practically realize robust and publicly-verifiable provenance.
• Abstract（参考訳）: 本研究では、透かし画像の証明を可能にするために、公開検出可能なスキームを作成する理論的境界について検討する。 C2PAのようなメタデータベースのアプローチは、偽造性や公開検出性を提供します。 ML技術は堅牢な検索と透かしを提供する。 しかしながら、ロバスト性、非鍛造性、パブリック検出性を組み合わせた既存のスキームは存在しない。 本研究では,そのようなスキームを正式に定義し,その存在を確定する。 理論的には可能であるが、現時点では、ディープラーニング能力の飛躍を伴わずに、我々のスキームの特定のコンポーネントを構築することは困難である。 我々はこれらの制限を分析し、堅牢で公に検証可能な証明を実際に実現する前に対処する必要がある研究の方向性を提案する。

関連論文リスト

• Let Watermarks Speak: A Robust and Unforgeable Watermark for Language Models [0.0]
  検出不能で頑健な単一ビット透かし方式を提案する。 最上級のゼロビット透かし方式に匹敵する堅牢性を持つ。
  論文  参考訳（メタデータ） (2024-12-27T11:58:05Z)
• Black-Box Detection of Language Model Watermarks [1.9374282535132377]
  我々は,ブラックボックスクエリの限られた数だけを用いて,最も人気のある3つのウォーターマーキングスキーム群の存在を検出するための厳密な統計的テストを開発した。 以上の結果から,現在の透かし方式は従来考えられていたよりも検出可能であり,また,透かしが配備されたという事実を無視することは,プロバイダが敵から守るための有効な方法ではない可能性が示唆された。
  論文  参考訳（メタデータ） (2024-05-28T08:41:30Z)
• XAI-Based Detection of Adversarial Attacks on Deepfake Detectors [0.0]
  我々は,XAIを用いたディープフェイク検出器に対する敵攻撃を識別するための新しい手法を提案する。 本手法は, ディープフェイクの検出だけでなく, 敵攻撃の可能性に対する理解の向上にも寄与する。
  論文  参考訳（メタデータ） (2024-03-05T13:25:30Z)
• Publicly-Detectable Watermarking for Language Models [45.32236917886154]
  本稿では,LMの電子透かし方式について述べる。 我々は、リジェクションサンプリングを用いてLM出力に暗号署名を埋め込む。 我々は,この手法が不規則かつ歪みのないテキスト出力を生成することを証明した。
  論文  参考訳（メタデータ） (2023-10-27T21:08:51Z)
• An Unforgeable Publicly Verifiable Watermark for Large Language Models [84.2805275589553]
  現在の透かし検出アルゴリズムは、透かし生成プロセスで使用される秘密鍵を必要としており、公開検出中にセキュリティ違反や偽造の影響を受ける。 両段階で同じキーを使用するのではなく、2つの異なるニューラルネットワークを用いて透かしの生成と検出を行う。
  論文  参考訳（メタデータ） (2023-07-30T13:43:27Z)
• Reversible Quantization Index Modulation for Static Deep Neural Network Watermarking [57.96787187733302]
  可逆的データ隠蔽法(RDH)は潜在的な解決策を提供するが、既存のアプローチはユーザビリティ、キャパシティ、忠実性の面で弱点に悩まされている。 量子化指数変調(QIM)を用いたRDHに基づく静的DNN透かし手法を提案する。 提案手法は,透かし埋め込みのための1次元量化器に基づく新しい手法を取り入れたものである。
  論文  参考訳（メタデータ） (2023-05-29T04:39:17Z)
• Did You Train on My Dataset? Towards Public Dataset Protection with Clean-Label Backdoor Watermarking [54.40184736491652]
  本稿では,公開データの保護のための一般的な枠組みとして機能するバックドアベースの透かし手法を提案する。 データセットに少数の透かしサンプルを挿入することにより、我々のアプローチは、ディフェンダーが設定した秘密関数を暗黙的に学習することを可能にする。 この隠れた機能は、データセットを違法に使用するサードパーティモデルを追跡するための透かしとして使用できる。
  論文  参考訳（メタデータ） (2023-03-20T21:54:30Z)
• 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)
• Malware Traffic Classification: Evaluation of Algorithms and an Automated Ground-truth Generation Pipeline [8.779666771357029]
  地中構造データを生成するための自動パケットデータラベリングパイプラインを提案する。 この観測可能なメタデータから抽出された、ユニークで多様な機能のセットを利用する、さまざまな種類のクラスタリングアプローチを探索し、テストする。
  論文  参考訳（メタデータ） (2020-10-22T11:48:51Z)

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。