論文の概要: SAiW: Source-Attributable Invisible Watermarking for Proactive Deepfake Defense

• arxiv url: http://arxiv.org/abs/2603.23178v1
• Date: Tue, 24 Mar 2026 13:26:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.492852
• Title: SAiW: Source-Attributable Invisible Watermarking for Proactive Deepfake Defense
• Title（参考訳）: SAiW:プロアクティブ・ディープフェイク・ディフェンスのためのインビジブル・透かし
• Authors: Bibek Das, Chandranath Adak, Soumi Chattopadhyay, Zahid Akhtar, Soumya Dutta,
• Abstract要約: 現代の生成モデルによって生成されたディープフェイクは、情報の完全性、デジタルアイデンティティ、および公的な信頼に深刻な脅威をもたらす。 本稿では,プロアクティブなディープフェイクディフェンスとメディアプロファイランス検証のための,ソースAttributed Invisible Watermarking FrameworkであるSAiWを紹介する。
• 参考スコア（独自算出の注目度）: 7.442956390854273
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deepfakes generated by modern generative models pose a serious threat to information integrity, digital identity, and public trust. Existing detection methods are largely reactive, attempting to identify manipulations after they occur and often failing to generalize across evolving generation techniques. This motivates the need for proactive mechanisms that secure media authenticity at the time of creation. In this work, we introduce SAiW, a Source-Attributed Invisible watermarking Framework for proactive deepfake defense and media provenance verification. Unlike conventional watermarking methods that treat watermark payloads as generic signals, SAiW formulates watermark embedding as a source-conditioned representation learning problem, where watermark identity encodes the originating source and modulates the embedding process to produce discriminative and traceable signatures. The framework integrates feature-wise linear modulation to inject source identity into the embedding network, enabling scalable multi-source watermark generation. A perceptual guidance module derived from human visual system priors ensures that watermark perturbations remain visually imperceptible while maintaining robustness. In addition, a dual-purpose forensic decoder simultaneously reconstructs the embedded watermark and performs source attribution, providing both automated verification and interpretable forensic evidence. Extensive experiments across multiple deepfake datasets demonstrate that SAiW achieves high perceptual quality while maintaining strong robustness against compression, filtering, noise, geometric transformations, and adversarial perturbations. By binding digital media to its origin through invisible yet verifiable markers, SAiW enables reliable authentication and source attribution, providing a scalable foundation for proactive deepfake defense and trustworthy media provenance.
• Abstract（参考訳）: 現代の生成モデルによって生成されたディープフェイクは、情報の完全性、デジタルアイデンティティ、および公的な信頼に深刻な脅威をもたらす。 既存の検出方法は、主に反応性が高く、発生後に操作を識別しようとするが、しばしば進化する生成技術にまたがる一般化に失敗する。 これは、生成時にメディアの信頼性を確保するためのプロアクティブなメカニズムの必要性を動機付けている。 本研究では,プロアクティブなディープフェイク防御とメディア・プロファイランス・検証のためのソース・アット・インビジュアブル・透かしフレームワークであるSAiWを紹介する。 透かしペイロードを一般的な信号として扱う従来の透かし方式とは異なり、SAiWは透かし埋め込みをソース条件の表現学習問題として定式化し、透かしアイデンティティは元のソースを符号化し、埋め込みプロセスを変調して識別可能かつトレース可能なシグネチャを生成する。 このフレームワークは、機能的に線形な変調を統合し、ソースアイデンティティを埋め込みネットワークに注入し、スケーラブルなマルチソース透かし生成を可能にする。 人間の視覚システムから派生した知覚誘導モジュールは、強靭性を維持しながら透かしの摂動が視覚的に知覚できないことを保証している。 さらに、二重目的法定復号器は、埋め込み透かしを同時に再構築し、ソース属性を実行し、自動検証と解釈可能な法定証拠を提供する。 複数のディープフェイクデータセットにわたる大規模な実験により、SAiWは圧縮、フィルタリング、ノイズ、幾何学的変換、対向的摂動に対して強い堅牢性を保ちながら、高い知覚品質を達成することが示された。 SAiWは、透明で検証可能なマーカーを通じて、デジタルメディアをその起源に結合することにより、信頼性の高い認証とソース属性を可能にし、プロアクティブなディープフェイク防御と信頼できるメディア証明のためのスケーラブルな基盤を提供する。

関連論文リスト

• An Ensemble Framework for Unbiased Language Model Watermarking [60.99969104552168]
  本研究では,アンサンブル・フレームワークであるENSを提案する。 ENSは複数の独立した透かしインスタンスを順次構成し、それぞれ異なるキーによって管理され、透かし信号を増幅する。 実験的な評価では、ENSは信頼できる検出に必要なトークンの数を大幅に減らし、平滑化やパラフレージング攻撃に対する耐性を高めている。
  論文  参考訳（メタデータ） (2025-09-28T19:37:44Z)
• StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models [55.05404953041403]
  拡散生成プロセスにバイナリ透かしをシームレスに統合する新しいフレームワークを提案する。 画像の忠実さ、透かしの検証、ローカライゼーションの改ざんにおいて、StableGuardは一貫して最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-22T16:35:19Z)
• TAG-WM: Tamper-Aware Generative Image Watermarking via Diffusion Inversion Sensitivity [76.98973481600002]
  本稿では,TAG-WMと命名されたタンパ認識画像ウォーターマーキング手法を提案する。 提案手法は、4つのキーモジュールからなる: 生成品質を保ちつつ、著作権と局所化の透かしを潜伏空間に埋め込むためのデュアルマークジョイントサンプリング (DMJS) アルゴリズム。 実験結果から,TAG-WMは歪み下においても,改質性および局所化能力の両面において最先端性能を達成できることが示された。
  論文  参考訳（メタデータ） (2025-06-30T03:14:07Z)
• Social Media Authentication and Combating Deepfakes using Semi-fragile Invisible Image Watermarking [6.246098300155482]
  本稿では,メディア認証のために,見えない秘密メッセージを実画像に埋め込む半フレジブルな画像透かし手法を提案する。 提案するフレームワークは,顔の操作や改ざんに対して脆弱であると同時に,画像処理操作や透かし除去攻撃に対して頑健であるように設計されている。
  論文  参考訳（メタデータ） (2024-10-02T18:05:03Z)
• Robust Identity Perceptual Watermark Against Deepfake Face Swapping [9.402982368385569]
  ディープフェイク・フェイススワップは、ディープジェネレーティブ・モデルの急速な開発で重要なプライバシー問題を引き起こしている。 本稿では,Deepfakeの顔スワップに対する検出とソーストレースを同時に行う,堅牢なアイデンティティ認識型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） (2023-11-02T16:04:32Z)
• Reversible Watermarking in Deep Convolutional Neural Networks for Integrity Authentication [78.165255859254]
  整合性認証のための可逆透かしアルゴリズムを提案する。 可逆透かしを埋め込むことが分類性能に及ぼす影響は0.5%未満である。 同時に、可逆的な透かしを適用することでモデルの完全性を検証することができる。
  論文  参考訳（メタデータ） (2021-04-09T09:32:21Z)

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。