論文の概要: Anti-Inpainting: A Proactive Defense against Malicious Diffusion-based Inpainters under Unknown Conditions

• arxiv url: http://arxiv.org/abs/2505.13023v1
• Date: Mon, 19 May 2025 12:07:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:11.576549
• Title: Anti-Inpainting: A Proactive Defense against Malicious Diffusion-based Inpainters under Unknown Conditions
• Title（参考訳）: アンチ・インペインティング : 未知条件下での悪性拡散型インペインティングに対する予防的防御
• Authors: Yimao Guo, Zuomin Qu, Wei Lu, Xiangyang Luo,
• Abstract要約: アンチ・インペインティング(英: anti-Inpainting)は、未知の条件下で適切な保護を実現するプロアクティブ・ディフェンス法である。 本研究では,未知条件における対向摂動の伝達性を高めるために,マルチスケールな意味保存データ拡張を設計する。
• 参考スコア（独自算出の注目度）: 14.34509668877061
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As diffusion-based malicious image manipulation becomes increasingly prevalent, multiple proactive defense methods are developed to safeguard images against unauthorized tampering. However, most proactive defense methods only can safeguard images against manipulation under known conditions, and fail to protect images from manipulations guided by tampering conditions crafted by malicious users. To tackle this issue, we propose Anti-Inpainting, a proactive defense method that achieves adequate protection under unknown conditions through a triple mechanism to address this challenge. Specifically, a multi-level deep feature extractor is presented to obtain intricate features during the diffusion denoising process to improve protective effectiveness. We design multi-scale semantic-preserving data augmentation to enhance the transferability of adversarial perturbations across unknown conditions by multi-scale transformations while preserving semantic integrity. In addition, we propose a selection-based distribution deviation optimization strategy to improve the protection of adversarial perturbation against manipulation under diverse random seeds. Extensive experiments indicate the proactive defensive performance of Anti-Inpainting against diffusion-based inpainters guided by unknown conditions in InpaintGuardBench and CelebA-HQ. At the same time, we also demonstrate the proposed approach's robustness under various image purification methods and its transferability across different versions of diffusion models.
• Abstract（参考訳）: 拡散に基づく悪意のある画像操作がますます普及するにつれて、無許可の改ざんを防ぐために複数のプロアクティブディフェンス法が開発されている。 しかし、ほとんどの積極的な防御方法は、既知の条件下での操作に対するイメージの保護のみが可能であり、悪意のあるユーザによって作り出された条件の改ざんによって誘導される操作からイメージを保護できない。 この問題に対処するために,未知条件下での適切な保護を実現するプロアクティブ・ディフェンス法であるアンチ・インペインティングを提案する。 具体的には、拡散復調過程において複雑な特徴を得るために多レベル深部特徴抽出器を提示し、保護効果を向上させる。 我々は,意味的整合性を保ちつつ,多スケールな変換によって未知条件間の逆摂動の伝達可能性を高めるために,多スケールな意味的保存データ拡張を設計する。 さらに,多様なランダムな種子の操作に対する対向的摂動の保護を改善するために,選択に基づく分布偏差最適化手法を提案する。 InpaintGuardBench と CelebA-HQ の未知条件で誘導された拡散性インペインティングに対する抗インペインティングの防御効果を示す。 同時に,様々な画像浄化法により提案手法のロバスト性を示すとともに,拡散モデルの異なるバージョン間での転送可能性を示す。

関連論文リスト

• AdvPaint: Protecting Images from Inpainting Manipulation via Adversarial Attention Disruption [25.06674328160838]
  悪意のある敵は、特定の地域を有名人と置き換えるなど、塗装作業の拡散モデルを利用する。 本稿では,敵の影響力を効果的に破壊する敵の摂動を生成する新しいフレームワークであるADVPAINTを提案する。 実験の結果,ADVPAINTの摂動は敵の着色課題を妨害し,既存手法より優れていることが示された。
  論文  参考訳（メタデータ） (2025-03-13T06:05:40Z)
• Anti-Diffusion: Preventing Abuse of Modifications of Diffusion-Based Models [48.15314463057229]
  拡散に基づく技術は、深刻なネガティブな社会的影響を引き起こす可能性がある。 拡散に基づく手法の悪用に対する防御を提供するために、いくつかの研究が提案されている。 本稿では,チューニングと編集の両方に適用可能なプライバシー保護システムであるアンチ拡散を提案する。
  論文  参考訳（メタデータ） (2025-03-07T17:23:52Z)
• DiffusionGuard: A Robust Defense Against Malicious Diffusion-based Image Editing [93.45507533317405]
  DiffusionGuardは、拡散ベースの画像編集モデルによる不正な編集に対する堅牢で効果的な防御方法である。 拡散過程の初期段階をターゲットとした対向雑音を発生させる新しい目的を提案する。 また,テスト期間中の各種マスクに対するロバスト性を高めるマスク強化手法も導入した。
  論文  参考訳（メタデータ） (2024-10-08T05:19:19Z)
• Pixel Is Not a Barrier: An Effective Evasion Attack for Pixel-Domain Diffusion Models [9.905296922309157]
  拡散モデルは高品質な画像合成のための強力な生成モデルとして登場し、それに基づく画像編集技術も数多くある。 従来の研究は、知覚不能な摂動を加えることで、画像の拡散に基づく編集を防ごうとしてきた。 本研究は,UNETの脆弱性を利用した新たな攻撃フレームワークであるAtkPDMと,敵画像の自然性を高めるための潜在最適化戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-21T17:56:34Z)
• Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model [61.53213964333474]
  本稿では,生の画素空間ではなく,潜在空間における非知覚的対角的アイデンティティ摂動を生成できる統一的なフレームワークAdv-Diffusionを提案する。 具体的には,周囲のセマンティックな摂動を生成するために,個人性に敏感な条件付き拡散生成モデルを提案する。 設計された適応強度に基づく対向摂動アルゴリズムは、攻撃の伝達性とステルス性の両方を確保することができる。
  論文  参考訳（メタデータ） (2023-12-18T15:25:23Z)
• Content-based Unrestricted Adversarial Attack [53.181920529225906]
  本稿では,コンテンツベース非制限攻撃という新たな非制限攻撃フレームワークを提案する。 自然像を表す低次元多様体を利用することで、像を多様体上に写像し、その逆方向に沿って最適化する。
  論文  参考訳（メタデータ） (2023-05-18T02:57:43Z)
• Adversarial Examples Detection beyond Image Space [88.7651422751216]
  摂動と予測信頼の間にはコンプライアンスが存在することが分かり、予測信頼の面から少数の摂動攻撃を検出するための指針となる。 本研究では,画像ストリームが画素アーティファクトに注目し,勾配ストリームが信頼度アーティファクトに対応する2ストリームアーキテクチャによる画像空間を超えた手法を提案する。
  論文  参考訳（メタデータ） (2021-02-23T09:55:03Z)

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。