論文の概要: Diffusion-Based Image Editing: An Unforeseen Adversary to Robust Invisible Watermarks

• arxiv url: http://arxiv.org/abs/2511.05598v1
• Date: Wed, 05 Nov 2025 16:20:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.48479
• Title: Diffusion-Based Image Editing: An Unforeseen Adversary to Robust Invisible Watermarks
• Title（参考訳）: 拡散に基づく画像編集:目に見えない透かしに対する前例のない逆転
• Authors: Wenkai Fu, Finn Carter, Yue Wang, Emily Davis, Bo Zhang,
• Abstract要約: 強力な拡散ベースの画像生成と編集モデルは、埋め込みの透かしを不注意に取り除いたり歪んだりすることができる。 本稿では,拡散に基づく画像編集が,最先端のロバストな透かしを効果的に破壊できることを示す理論的,実証的な分析を行う。 画像から透かしを消去するために生成画像再生を用いた拡散誘導攻撃を提案する。
• 参考スコア（独自算出の注目度）: 4.138397555991069
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robust invisible watermarking aims to embed hidden messages into images such that they survive various manipulations while remaining imperceptible. However, powerful diffusion-based image generation and editing models now enable realistic content-preserving transformations that can inadvertently remove or distort embedded watermarks. In this paper, we present a theoretical and empirical analysis demonstrating that diffusion-based image editing can effectively break state-of-the-art robust watermarks designed to withstand conventional distortions. We analyze how the iterative noising and denoising process of diffusion models degrades embedded watermark signals, and provide formal proofs that under certain conditions a diffusion model's regenerated image retains virtually no detectable watermark information. Building on this insight, we propose a diffusion-driven attack that uses generative image regeneration to erase watermarks from a given image. Furthermore, we introduce an enhanced \emph{guided diffusion} attack that explicitly targets the watermark during generation by integrating the watermark decoder into the sampling loop. We evaluate our approaches on multiple recent deep learning watermarking schemes (e.g., StegaStamp, TrustMark, and VINE) and demonstrate that diffusion-based editing can reduce watermark decoding accuracy to near-zero levels while preserving high visual fidelity of the images. Our findings reveal a fundamental vulnerability in current robust watermarking techniques against generative model-based edits, underscoring the need for new watermarking strategies in the era of generative AI.
• Abstract（参考訳）: 目に見えない透かしは、隠されたメッセージを画像に埋め込むことを目的としており、それらが知覚不能のまま様々な操作に耐えられるようにしている。 しかし、強力な拡散ベースの画像生成と編集モデルにより、埋め込みの透かしを不注意に取り除いたり歪んだりできるリアルなコンテンツ保存変換が可能になった。 本稿では,拡散に基づく画像編集が,従来の歪みに耐えられるような,最先端の堅牢な透かしを効果的に破壊できることを理論的かつ実証的に示す。 本研究では,拡散モデルの繰り返し雑音発生過程が組込み透かし信号の分解に与える影響を解析し,一定の条件下では拡散モデルの再生画像が検出可能な透かし情報をほとんど保持しないことを示す。 この知見に基づいて,画像から透かしを消去するために生成画像再生を用いた拡散誘導攻撃を提案する。 さらに,サンプリングループに透かしデコーダを組み込むことで,生成中の透かしを明示的にターゲットする拡張された 'emph{guided diffusion} 攻撃を導入する。 近年の複数の深層学習透かし方式(例えば、StegaStamp、TrustMark、VINE)に対するアプローチを評価し、拡散ベースの編集により、画像の高視力を維持しつつ、ほぼゼロレベルまで透かし復号精度を低下させることができることを示した。 本研究は, 生成型AI時代における新しい透かし戦略の必要性を浮き彫りにして, 生成型モデルに基づく編集に対する現在の堅牢な透かし技術の基本的脆弱性を明らかにした。

関連論文リスト

• Diffusion-Based Image Editing for Breaking Robust Watermarks [4.273350357872755]
  強力な拡散ベースの画像生成と編集技術は、堅牢なウォーターマーキングスキームに新たな脅威をもたらす。 拡散駆動型画像再生プロセスでは,画像内容の保存中に埋め込み透かしを消去できることを示す。 生成中の透かし信号に特異的な誘導拡散攻撃を導入し,透かし検出性を著しく低下させた。
  論文  参考訳（メタデータ） (2025-10-07T14:34:42Z)
• DiffMark: Diffusion-based Robust Watermark Against Deepfakes [49.05095089309156]
  ディープフェイクは、悪意のある顔操作を通じて、重大なセキュリティとプライバシーの脅威を引き起こす。 既存の透かし法はディープフェイク操作に対して十分な堅牢性を欠いていることが多い。 本稿では拡散モデルに基づく新しいロバストな透かしフレームワークDiffMarkを提案する。
  論文  参考訳（メタデータ） (2025-07-02T07:29:33Z)
• Optimization-Free Universal Watermark Forgery with Regenerative Diffusion Models [50.73220224678009]
  ウォーターマーキングは、人工知能モデルによって生成された合成画像の起源を検証するために使用できる。 近年の研究では, 対象画像から表層画像への透かしを, 対角的手法を用いてフォージできることが示されている。 本稿では,最適化フリーで普遍的な透かし偽造のリスクが大きいことを明らかにする。 我々のアプローチは攻撃範囲を大きく広げ、現在の透かし技術の安全性により大きな課題をもたらす。
  論文  参考訳（メタデータ） (2025-06-06T12:08:02Z)
• SEAL: Semantic Aware Image Watermarking [26.606008778795193]
  本稿では,生成した画像のセマンティック情報を透かしに直接埋め込む新しい透かし手法を提案する。 キーパターンは、局所性に敏感なハッシュを用いて画像のセマンティック埋め込みから推測することができる。 以上の結果から,画像生成モデルによるリスクを軽減できる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-03-15T15:29:05Z)
• JIGMARK: A Black-Box Approach for Enhancing Image Watermarks against Diffusion Model Edits [76.25962336540226]
  JIGMARKは、コントラスト学習による堅牢性を高める、第一級の透かし技術である。 本評価の結果,JIGMARKは既存の透かし法をはるかに上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-06-06T03:31:41Z)
• Robustness of AI-Image Detectors: Fundamental Limits and Practical Attacks [47.04650443491879]
  我々は、透かしやディープフェイク検出器を含む様々なAI画像検出器の堅牢性を分析する。 ウォーターマーキング手法は,攻撃者が実際の画像をウォーターマーキングとして識別することを目的としたスプーフ攻撃に対して脆弱であることを示す。
  論文  参考訳（メタデータ） (2023-09-29T18:30:29Z)
• Tree-Ring Watermarks: Fingerprints for Diffusion Images that are Invisible and Robust [55.91987293510401]
  生成モデルのアウトプットを透かしは、著作権をトレースし、AI生成コンテンツによる潜在的な害を防ぐ重要なテクニックである。 本稿では,拡散モデル出力を頑健にフィンガープリントするTree-Ring Watermarkingという新しい手法を提案する。 私たちの透かしは画像空間に意味的に隠れており、現在デプロイされている透かしよりもはるかに堅牢です。
  論文  参考訳（メタデータ） (2023-05-31T17:00:31Z)

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。