論文の概要: WaveGuard: Robust Deepfake Detection and Source Tracing via Dual-Tree Complex Wavelet and Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2505.08614v3
• Date: Sun, 25 May 2025 15:42:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 14:32:54.840223
• Title: WaveGuard: Robust Deepfake Detection and Source Tracing via Dual-Tree Complex Wavelet and Graph Neural Networks
• Title（参考訳）: WaveGuard:デュアルトレー複合ウェーブレットとグラフニューラルネットワークによるロバストディープフェイク検出とソーストレース
• Authors: Ziyuan He, Zhiqing Guo, Liejun Wang, Gaobo Yang, Yunfeng Diao, Dan Ma,
• Abstract要約: WaveGuardは、堅牢性と非受容性を高めるプロアクティブな透かしフレームワークである。 本稿では,Dual-Tree Complex Wavelet Transform (DT-CWT) とStructure Consistency Graph Neural Network (SC-GNN) を用いて,透かしを高周波サブバンドに埋め込んだ。
• 参考スコア（独自算出の注目度）: 11.577293387442161
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deepfake technology poses increasing risks such as privacy invasion and identity theft. To address these threats, we propose WaveGuard, a proactive watermarking framework that enhances robustness and imperceptibility via frequency-domain embedding and graph-based structural consistency. Specifically, we embed watermarks into high-frequency sub-bands using Dual-Tree Complex Wavelet Transform (DT-CWT) and employ a Structural Consistency Graph Neural Network (SC-GNN) to preserve visual quality. We also design an attention module to refine embedding precision. Experimental results on face swap and reenactment tasks demonstrate that WaveGuard outperforms state-of-the-art methods in both robustness and visual quality. Code is available at https://github.com/vpsg-research/WaveGuard.
• Abstract（参考訳）: ディープフェイク技術は、プライバシー侵害や個人情報盗難などのリスクを増大させる。 これらの脅威に対処するため、我々はWaveGuardを提案する。これは、周波数領域の埋め込みとグラフベースの構造的整合性を通じて、堅牢性と非受容性を向上するプロアクティブな透かしフレームワークである。 具体的には、Dual-Tree Complex Wavelet Transform (DT-CWT) を用いて電子透かしを高周波サブバンドに埋め込んで、視覚的品質を維持するために構造一貫性グラフニューラルネットワーク (SC-GNN) を用いる。 埋め込み精度を向上するアテンションモジュールも設計する。 フェーススワップと再現タスクの実験結果から、WaveGuardは、堅牢性と視覚的品質の両方において最先端の手法より優れていることが示された。 コードはhttps://github.com/vpsg-research/WaveGuard.comで入手できる。

関連論文リスト

• DeepGrav: Anomalous Gravitational-Wave Detection Through Deep Latent Features [0.0]
  この研究は、重力波異常検出のための新しい深層学習に基づくアプローチを導入している。 ResNetにインスパイアされた畳み込みニューラルネットワークアーキテクチャを使用している。 NSF HDR A3D3: Detecting Anomalous Gravitational Wave Signals competition。
  論文  参考訳（メタデータ） (2025-03-05T16:14:22Z)
• GuardSplat: Efficient and Robust Watermarking for 3D Gaussian Splatting [70.81218231206617]
  GuardSplatは、3DGS資産をウォーターマークするための革新的で効率的なフレームワークである。 Message Embeddingモジュールは、元の3D構造を保持しながら、各3DガウスのSH機能にメッセージをシームレスに埋め込む。 反歪メッセージ抽出モジュールは、様々な歪みに対する堅牢性を改善する。
  論文  参考訳（メタデータ） (2024-11-29T17:59:03Z)
• RoWSFormer: A Robust Watermarking Framework with Swin Transformer for Enhanced Geometric Attack Resilience [8.800187600977807]
  本稿では,RoWSFormer という Swin Transformer をベースとしたロバストな透かしフレームワークを提案する。 具体的には、エンコーダとデコーダの両方のコアとして、ローカルチャネル拡張スウィントランスブロックを設計する。 多くの非幾何学的攻撃に対して、RoWSFormerは同じ抽出精度を維持しながらPSNRを3dB改善する。 幾何攻撃の場合、RoWSFormerはPSNRの6dB以上の改善を実現し、抽出精度は97%を超えた。
  論文  参考訳（メタデータ） (2024-09-23T08:59:55Z)
• 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)
• Backdoor Attacks for Remote Sensing Data with Wavelet Transform [14.50261153230204]
  本稿では,リモートセンシングデータに対するバックドア攻撃の系統的解析を行う。 そこで本研究では, 有害画像にトリガ画像を注入することで, 目に見えない攻撃を可能にする新しいウェーブレット変換ベースアタック(WABA)手法を提案する。 その単純さにもかかわらず、提案手法は攻撃成功率の高い最先端のディープラーニングモデルをかなり騙すことができる。
  論文  参考訳（メタデータ） (2022-11-15T10:49:49Z)
• 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)
• Fully Learnable Deep Wavelet Transform for Unsupervised Monitoring of High-Frequency Time Series [2.7793394375935088]
  高周波(HF)信号は産業界に広く存在しており、産業資産の監視に非常に有用である。 ほとんどのディープラーニングツールは、固定サイズおよび/または非常に制限された入力用に設計されており、インプット抽出機能として産業的文脈にディープラーニングの応用が成功している。 生のHF信号の有意義で疎い表現を抽出できる、完全に監視されていないディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-03T14:35:06Z)

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。