論文の概要: Media Integrity and Authentication: Status, Directions, and Futures

• arxiv url: http://arxiv.org/abs/2602.18681v1
• Date: Sat, 21 Feb 2026 01:06:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.235224
• Title: Media Integrity and Authentication: Status, Directions, and Futures
• Title（参考訳）: メディア統合と認証:現状・方向性・将来
• Authors: Jessica Young, Sam Vaughan, Andrew Jenks, Henrique Malvar, Christian Paquin, Paul England, Thomas Roca, Juan LaVista Ferres, Forough Poursabzi, Neil Coles, Ken Archer, Eric Horvitz,
• Abstract要約: 我々は、AI生成メディアと、カメラやマイクが捉えた本物のコンテンツとを区別することに注力する。 我々は,証明,透かし,指紋認証など,いくつかのアプローチを評価した。
• 参考スコア（独自算出の注目度）: 5.841269175925866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We provide background on emerging challenges and future directions with media integrity and authentication methods, focusing on distinguishing AI-generated media from authentic content captured by cameras and microphones. We evaluate several approaches, including provenance, watermarking, and fingerprinting. After defining each method, we analyze three representative technologies: cryptographically secured provenance, imperceptible watermarking, and soft-hash fingerprinting. We analyze how these tools operate across modalities and evaluate relevant threat models, attack categories, and real-world workflows spanning capture, editing, distribution, and verification. We consider sociotechnical reversal attacks that can invert integrity signals, making authentic content appear synthetic and vice versa, highlighting the value of verification systems that are resilient to both technical and psychosocial manipulation. Finally, we outline techniques for delivering high-confidence provenance authentication, including directions for strengthening edge-device security using secure enclaves.
• Abstract（参考訳）: 我々は、AI生成メディアと、カメラやマイクが捉えた真のコンテンツとを区別することに焦点を当て、メディアの整合性と認証手法による新たな課題と今後の方向性の背景を提供する。 我々は,証明,透かし,指紋認証など,いくつかのアプローチを評価した。 それぞれの手法を定義した後、暗号的に保護された証明、知覚不能な透かし、ソフトハッシュフィンガープリントの3つの代表的な技術を分析した。 これらのツールがモダリティを越えてどのように動作するかを分析し、関連する脅威モデル、アタックカテゴリ、キャプチャ、編集、配布、検証にまたがる現実世界のワークフローを評価します。 我々は、整合性信号を逆転させ、真正なコンテンツを合成的に見せる社会技術的リバースアタックを考察し、技術的・精神社会的操作に耐性のある検証システムの価値を強調した。 最後に,セキュアなエンクレーブを用いたエッジデバイスセキュリティを強化する方向を含む,信頼性の高いプロファイランス認証を実現するためのテクニックを概説する。

関連論文リスト

• SynthID-Image: Image watermarking at internet scale [55.5714762895087]
  本稿では,AI生成画像の透かしを行うディープラーニングシステムであるSynthID-Imageを紹介する。 本稿では,このようなシステムをインターネット規模で展開する上での技術的デシラタ,脅威モデル,実践的課題について述べる。
  論文  参考訳（メタデータ） (2025-10-10T11:03:31Z)
• Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
  本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。 テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
  論文  参考訳（メタデータ） (2025-08-12T17:19:20Z)
• Unmasking Synthetic Realities in Generative AI: A Comprehensive Review of Adversarially Robust Deepfake Detection Systems [4.359154048799454]
  ディープフェイク拡散合成メディアは、デジタルセキュリティ、誤情報緩和、アイデンティティ保護に挑戦する。 本研究の体系的レビューでは, 再現性のある実装の透明性と検証を重視した, 最先端のディープフェイク検出手法の評価を行う。 1) 統計的異常や階層的特徴抽出を利用した完全合成メディアの検出,(2) 視覚的アーティファクトや時間的不整合といったマルチモーダルな手がかりを用いた実コンテンツ中の操作された領域の局在化。
  論文  参考訳（メタデータ） (2025-07-24T22:05:52Z)
• SoK: Watermarking for AI-Generated Content [112.9218881276487]
  ウォーターマーキングスキームは、AI生成コンテンツに隠された信号を埋め込んで、信頼性の高い検出を可能にする。 透かしは、誤情報や偽造と戦ってAIの安全性と信頼性を高める上で重要な役割を果たす。 本研究の目的は、研究者が透かし法や応用の進歩を指導し、GenAIの幅広い意味に対処する政策立案者を支援することである。
  論文  参考訳（メタデータ） (2024-11-27T16:22:33Z)
• RealSeal: Revolutionizing Media Authentication with Real-Time Realism Scoring [0.27624021966289597]
  既存の合成データの透かし方法は、簡単に取り除いたり、変更したりできるため、不足している。 コンテンツオリジンの検証にメタデータに依存するプロヴァンステクニックは、ステージドメディアやフェイクメディアの根本的な問題に対処できない。 本稿では,メディア認証における画期的なパラダイムシフトについて紹介する。
  論文  参考訳（メタデータ） (2024-11-26T18:48:23Z)
• Evaluation of Security of ML-based Watermarking: Copy and Removal Attacks [12.898088696134705]
  デジタル透かしはこれらの課題に対処するための重要なアプローチである。 本稿では,逆埋め込み技術を用いた基礎モデルの潜時空間デジタル透かしシステムのセキュリティ評価を行う。
  論文  参考訳（メタデータ） (2024-09-26T18:44:20Z)
• Deepfake Media Forensics: State of the Art and Challenges Ahead [51.33414186878676]
  AIが生成する合成メディア、別名Deepfakesは、エンターテイメントからサイバーセキュリティまで、多くの領域に影響を与えている。 ディープフェイク検出は、微妙な矛盾やアーティファクトを機械学習技術で識別することに焦点を当て、研究の不可欠な領域となっている。 本稿では,これらの課題に対処する主要なアルゴリズムについて,その利点,限界,今後の展望について検討する。
  論文  参考訳（メタデータ） (2024-08-01T08:57:47Z)

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。