論文の概要: JPEGs Just Got Snipped: Croppable Signatures Against Deepfake Images

• arxiv url: http://arxiv.org/abs/2512.01845v1
• Date: Mon, 01 Dec 2025 16:30:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-02 19:46:34.958573
• Title: JPEGs Just Got Snipped: Croppable Signatures Against Deepfake Images
• Title（参考訳）: JPEGがスナップに: ディープフェイク画像に対するクロッピング可能なシグナチャ
• Authors: Pericle Perazzo, Massimiliano Mattei, Giuseppe Anastasi, Marco Avvenuti, Gianluca Dini, Giuseppe Lettieri, Carlo Vallati,
• Abstract要約: ディープフェイクは誤報やフェイクニュースに重大なリスクをもたらす。 ディープフェイクは、公の人物が決してしていないことを言ったり、やったりすることで、偽の情報を広めることができる。 画像トリミング後に有効なシグネチャを実装するために,BLSシグネチャを利用する手法を提案する。
• 参考スコア（独自算出の注目度）: 0.5963875137970618
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deepfakes are a type of synthetic media created using artificial intelligence, specifically deep learning algorithms. This technology can for example superimpose faces and voices onto videos, creating hyper-realistic but artificial representations. Deepfakes pose significant risks regarding misinformation and fake news, because they can spread false information by depicting public figures saying or doing things they never did, undermining public trust. In this paper, we propose a method that leverages BLS signatures (Boneh, Lynn, and Shacham 2004) to implement signatures that remain valid after image cropping, but are invalidated in all the other types of manipulation, including deepfake creation. Our approach does not require who crops the image to know the signature private key or to be trusted in general, and it is O(1) in terms of signature size, making it a practical solution for scenarios where images are disseminated through web servers and cropping is the primary transformation. Finally, we adapted the signature scheme for the JPEG standard, and we experimentally tested the size of a signed image.
• Abstract（参考訳）: Deepfakes(ディープフェイクス)は、人工知能、特にディープラーニングアルゴリズムを用いて作られた合成メディアの一種である。 この技術は例えば、顔や声をビデオに重ね合わせ、超現実的だが人工的な表現を作り出す。 ディープフェイクは、偽情報やフェイクニュースに重大なリスクをもたらす。 本稿では,BLSシグネチャ(Boneh, Lynn, Shacham 2004)を用いて,画像トリミング後に有効なシグネチャを実装する手法を提案する。 当社のアプローチでは,署名秘密鍵を誰が知るか,あるいは一般に信頼されるかは必要とせず,署名サイズの観点からはO(1)であり,Webサーバを通じて画像が散布され,トリミングが主要な変換となるシナリオに対する実用的なソリューションである。 最後に、JPEG標準のシグネチャスキームを適用し、署名された画像のサイズを実験的に検証した。

関連論文リスト

• AuthSig: Safeguarding Scanned Signatures Against Unauthorized Reuse in Paperless Workflows [28.229261085054745]
  生成モデルと透かしに基づく新しい静的電子署名フレームワークAuthSigを提案する。 AuthSigは,デジタルドメイン歪みとシグネチャ特異性の両方で,98%以上の抽出精度を達成できることを示す。
  論文  参考訳（メタデータ） (2025-11-12T04:22:08Z)
• Deepfake Detection of Face Images based on a Convolutional Neural Network [0.0]
  フェイクニュース、特にディープフェイク(非リアルな画像やビデオコンテンツ)は、ここ数年で深刻な話題になっている。 我々は、人間の肖像画を映し出した、このような生成および偽画像を検出するために、畳み込みニューラルネットワークに基づくモデルを構築したい。
  論文  参考訳（メタデータ） (2025-03-14T13:33:22Z)
• Deep Learning-based Dual Watermarking for Image Copyright Protection and Authentication [1.6385815610837167]
  本稿では,インターネット上に送信された画像のソース認証,コンテンツ認証,デジタルコンテンツ著作権保護を行うための,Deep Learningベースの2種類の透かし方式を提案する。 また、画像の暗号ハッシュや画像の主要な特徴を透かしとして使用するため、透かしを模倣または上書きすることは不可能である。 訓練されたモデルでは,高い透かし抽出精度が得られており,その知識を最大限活用するために,本論文で提案される深層学習に基づく二重透かし技術である。
  論文  参考訳（メタデータ） (2025-02-21T07:58:39Z)
• Certifiably Robust Image Watermark [57.546016845801134]
  ジェネレーティブAIは、偽情報やプロパガンダキャンペーンの促進など、多くの社会的懸念を提起する。 ウォーターマークAI生成コンテンツは、これらの懸念に対処するための重要な技術である。 本報告では, 除去・偽造攻撃に対するロバスト性保証を保証した最初の画像透かしを提案する。
  論文  参考訳（メタデータ） (2024-07-04T17:56:04Z)
• Catch You Everything Everywhere: Guarding Textual Inversion via Concept Watermarking [67.60174799881597]
  本稿では,透かし情報を対象概念に埋め込んで,その概念に基づいて生成された画像から抽出する新しい概念透かしを提案する。 実際には、コンセプトオーナは、自身のコンセプトを異なる透かし(e, serial number)をプラットフォームにアップロードすることができ、プラットフォームは異なるシリアル番号を、その後の追跡と法医学のために割り当てる。
  論文  参考訳（メタデータ） (2023-09-12T03:33:13Z)
• 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)
• Comprint: Image Forgery Detection and Localization using Compression Fingerprints [19.54952278001317]
  Comprintは、圧縮指紋またはコンプリントに基づく、新しい偽造検出および位置決め方法である。 補足型カメラモデル指紋を用いたComprintと最先端のノイズプリントの融合を提案する。 ComprintとFusion Comprint+Noiseprintは、Wildで改ざんされた画像を分析するための有望な法医学ツールだ。
  論文  参考訳（メタデータ） (2022-10-05T13:05:18Z)
• FaceSigns: Semi-Fragile Neural Watermarks for Media Authentication and Countering Deepfakes [25.277040616599336]
  近年のリアルな画像合成技術やビデオ合成技術の発展により、ディープフェイクやメディアの操作は目覚ましい脅威になりつつある。 本稿では,画像画素に埋め込まれた見えない秘密メッセージを検証することによってメディア認証を可能にする,深層学習に基づく半フレギール透かし手法を提案する。
  論文  参考訳（メタデータ） (2022-04-05T03:29:30Z)
• CMUA-Watermark: A Cross-Model Universal Adversarial Watermark for Combating Deepfakes [74.18502861399591]
  ディープフェイクの悪意ある応用(すなわち、テクノロジーはターゲットの顔や顔の特徴を生成できる)は、我々の社会に大きな脅威をもたらしている。 本稿では,深層圏モデルに対する普遍的敵攻撃法を提案し,CMUA-Watermark(CMUA-Watermark)を作成した。 実験の結果,提案したCMUA-Watermarkはディープフェイクモデルによって生成された偽の顔画像を効果的に歪めることができることがわかった。
  論文  参考訳（メタデータ） (2021-05-23T07:28:36Z)

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。