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

• arxiv url: http://arxiv.org/abs/2505.13023v2
• Date: Wed, 30 Jul 2025 07:40:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 18:23:25.15264
• Title: Anti-Inpainting: A Proactive Defense Approach 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法
• 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、3つの新しいモジュールからなる保護を達成するプロアクティブ・ディフェンス・アプローチである。 まず,拡散復調過程から複雑な特徴を抽出する多層深層特徴抽出器を提案する。 次に, 対向摂動の伝達性を高めるため, マルチスケールな意味保存データ拡張手法を設計する。
• 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: With the increasing prevalence of diffusion-based malicious image manipulation, existing proactive defense methods struggle to safeguard images against tampering under unknown conditions. To address this, we propose Anti-Inpainting, a proactive defense approach that achieves protection comprising three novel modules. First, we introduce a multi-level deep feature extractor to obtain intricate features from the diffusion denoising process, enhancing protective effectiveness. Second, we design a multi-scale, semantic-preserving data augmentation technique to enhance the transferability of adversarial perturbations across unknown conditions. Finally, we propose a selection-based distribution deviation optimization strategy to bolster protection against manipulations guided by diverse random seeds. Extensive experiments on InpaintGuardBench and CelebA-HQ demonstrate that Anti-Inpainting effectively defends against diffusion-based inpainters under unknown conditions. Additionally, our approach demonstrates robustness against various image purification methods and transferability across different diffusion model versions.
• Abstract（参考訳）: 拡散に基づく悪意のある画像操作の普及に伴い、既存のプロアクティブディフェンス法は未知条件下での改ざんを防ぐために画像を保護するのに苦労する。 そこで本研究では,3つのモジュールからなるプロアクティブ・ディフェンス・アプローチであるアンチ・インペインティングを提案する。 まず,拡散復調法から複雑な特徴を抽出し,保護効果を高める多層深部特徴抽出器を提案する。 第2に,未知条件における対向摂動の伝達性を高めるため,マルチスケールな意味保存データ拡張手法を設計する。 最後に,多種多様なランダム種子によって誘導される操作に対する保護を強化するために,選択に基づく分布偏差最適化手法を提案する。 InpaintGuardBenchとCelebA-HQの大規模な実験は、未知の条件下での拡散に基づくインパインを効果的に防御することを示した。 さらに,本手法は,様々な画像浄化法に対する堅牢性と,異なる拡散モデル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。