論文の概要: The Impact of Audio Watermarking on Audio Anti-Spoofing Countermeasures

• arxiv url: http://arxiv.org/abs/2509.20736v1
• Date: Thu, 25 Sep 2025 04:34:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.693591
• Title: The Impact of Audio Watermarking on Audio Anti-Spoofing Countermeasures
• Title（参考訳）: 音響透かしが防汚対策に及ぼす影響
• Authors: Zhenshan Zhang, Xueping Zhang, Yechen Wang, Liwei Jin, Ming Li,
• Abstract要約: 本稿では,音声透かしがスプーフィング対策に与える影響について検討する。 我々はWatermark-Spoofingデータセットという,透かし強化されたトレーニングと評価データセットを構築した。 実験の結果, 透かし性能は一貫して低下し, 透かし密度は高いEERと相関していることがわかった。
• 参考スコア（独自算出の注目度）: 5.250755043845844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents the first study on the impact of audio watermarking on spoofing countermeasures. While anti-spoofing systems are essential for securing speech-based applications, the influence of widely used audio watermarking, originally designed for copyright protection, remains largely unexplored. We construct watermark-augmented training and evaluation datasets, named the Watermark-Spoofing dataset, by applying diverse handcrafted and neural watermarking methods to existing anti-spoofing datasets. Experiments show that watermarking consistently degrades anti-spoofing performance, with higher watermark density correlating with higher Equal Error Rates (EERs). To mitigate this, we propose the Knowledge-Preserving Watermark Learning (KPWL) framework, enabling models to adapt to watermark-induced shifts while preserving their original-domain spoofing detection capability. These findings reveal audio watermarking as a previously overlooked domain shift and establish the first benchmark for developing watermark-resilient anti-spoofing systems. All related protocols are publicly available at https://github.com/Alphawarheads/Watermark_Spoofing.git
• Abstract（参考訳）: 本稿では,音声透かしがスプーフィング対策に与える影響について検討する。 音声ベースのアプリケーションを保護するにはアンチ・スプーフィング・システムが必要であるが、もともと著作権保護のために設計された広く使われている音声透かしの影響は、まだ明らかにされていない。 我々は、既存のアンチ・スプーフィングデータセットに多様な手作り、ニューラルネットワークによる透かし手法を適用することにより、ウォーターマーク強化トレーニングと評価データセットを構築した。 実験の結果, 透かし性能は一貫して低下し, 透かし密度はEER(Equal Error Rates)と相関していることがわかった。 そこで本研究では,知識保存型透かし学習(KPWL)フレームワークを提案する。 これらの結果から,従来見過ごされていた領域シフトとしての音声透かしが明らかになり,透かし耐性の防汚システムを開発するための最初のベンチマークが確立された。 関連プロトコルはすべてhttps://github.com/Alphawarheads/Watermark_Spoofing.gitで公開されている。

関連論文リスト

• Hidden in the Noise: Two-Stage Robust Watermarking for Images [25.731533630250798]
  拡散モデルの初期雑音に基づく画像の歪みのない透かし手法を提案する。 透かしを検出するには、画像のために再構成された初期ノイズと、以前に使用した初期ノイズとを比較する必要がある。 本稿では,効率的な検出を行うための2段階の透かしフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-05T22:50:42Z)
• Your Semantic-Independent Watermark is Fragile: A Semantic Perturbation Attack against EaaS Watermark [5.2431999629987]
  様々な研究が、Eサービスの著作権を保護するためのバックドアベースの透かし方式を提案している。 本稿では,従来の透かし方式が意味非依存の特徴を持つことを示すとともに,セマンティック摂動攻撃(SPA)を提案する。 我々の理論的および実験的分析は、この意味に依存しない性質が、現在の透かしスキームを適応攻撃に脆弱にし、セマンティック摂動テストを利用して透かし検証を回避していることを示している。
  論文  参考訳（メタデータ） (2024-11-14T11:06:34Z)
• Robust and Minimally Invasive Watermarking for EaaS [50.08021440235581]
  組み込み・アズ・ア・サービス(Eding)はAIアプリケーションにおいて重要な役割を担っている。 編集はモデル抽出攻撃に対して脆弱であり、著作権保護の必要性を強調している。 そこで我々は,Edingの著作権保護を堅牢にするための新しい埋め込み専用透かし (ESpeW) 機構を提案する。
  論文  参考訳（メタデータ） (2024-10-23T04:34:49Z)
• A Resilient and Accessible Distribution-Preserving Watermark for Large Language Models [65.40460716619772]
  本研究は,textbfDistribution-textbf Preserving (DiP)ウォーターマークの重要性に焦点をあてる。 現在の戦略とは対照的に,提案したDiPmarkは透かし中に元のトークン分布を同時に保存する。 言語モデルAPIにアクセスせずに検出可能で(アクセス可能)、トークンの適度な変更に対して確実に堅牢である。
  論文  参考訳（メタデータ） (2023-10-11T17:57:35Z)
• Certified Neural Network Watermarks with Randomized Smoothing [64.86178395240469]
  本稿では,ディープラーニングモデルのための認証型透かし手法を提案する。 我々の透かしは、モデルパラメータが特定のl2しきい値以上変更されない限り、取り外し不可能であることが保証されている。 私たちの透かしは、従来の透かし法に比べて経験的に頑丈です。
  論文  参考訳（メタデータ） (2022-07-16T16:06:59Z)
• Fine-tuning Is Not Enough: A Simple yet Effective Watermark Removal Attack for DNN Models [72.9364216776529]
  我々は異なる視点から新しい透かし除去攻撃を提案する。 我々は、知覚不可能なパターン埋め込みと空間レベルの変換を組み合わせることで、単純だが強力な変換アルゴリズムを設計する。 我々の攻撃は、非常に高い成功率で最先端の透かしソリューションを回避できる。
  論文  参考訳（メタデータ） (2020-09-18T09:14:54Z)

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。