論文の概要: DeepSignature: Digitally Signed, Content-Encoding Watermarks for Robust and Transparent Image Authentication
- arxiv url: http://arxiv.org/abs/2604.23016v1
- Date: Fri, 24 Apr 2026 21:06:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-28 17:12:07.101067
- Title: DeepSignature: Digitally Signed, Content-Encoding Watermarks for Robust and Transparent Image Authentication
- Title（参考訳）: DeepSignature:ロバストで透明な画像認証のためのデジタル署名付きコンテンツエンコード透かし
- Authors: Mathias Graf, Marco Willi, Melanie Mathys, Michael Aerni, Christian Schwarzer, Martin Melchior, Michael H. Graber,
- Abstract要約: 信頼できる情報源に由来すると思われる画像は深刻な脅威となる。
我々は、デジタル署名の保証とディープニューラルネットワークの機能を統合する新しいアプローチであるDeepSignatureを提案する。
DeepSignatureは、重要な偽造の試みを確実に特定します。
- 参考スコア（独自算出の注目度）: 2.6908636068441876
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: AI-powered generative models have significantly expanded the possibilities for editing, manipulating, and creating high-quality images. Particularly, images that falsely appear to originate from trusted sources pose a serious threat, undermining public trust in image authenticity. We propose DeepSignature, a novel approach that integrates the guarantees of digital signatures with the capabilities of deep neural networks. Neural networks are used both to generate content-encoding watermarks and to embed them imperceptibly into images while ensuring robust extraction. These watermarks are cryptographically verifiable, enabling source attribution and image integrity validation. DeepSignature is compatible with existing image formats and requires no special handling of signed images. It supports client-side verification, requiring only the signer's public key. Additionally, we introduce a novel latent-space verification approach to detect and localize tampering attempts. We evaluate DeepSignature in terms of imperceptibility, robustness to benign transformations, forgery detection, and its resilience against various attack scenarios. Our results highlight the inherent trade-offs between imperceptibility, robustness, and integrity verification. We demonstrate that DeepSignature reliably identifies significant forgery attempts -- achieving near 100\% in our experiments. Finally, we emphasize DeepSignature's modularity and tunable parameters, allowing adaptation to application-specific requirements. Code and model weights will be published.
- Abstract（参考訳）: AIを利用した生成モデルは、編集、操作、高品質な画像の作成の可能性を大幅に拡大した。
特に、信頼できる情報源から生じたと思われる画像は深刻な脅威となり、画像の信頼性に対する一般の信頼を損なう。
我々は、デジタル署名の保証とディープニューラルネットワークの機能を統合する新しいアプローチであるDeepSignatureを提案する。
ニューラルネットワークは、コンテントエンコーディングの透かしを生成し、頑健な抽出を確保しつつ、イメージにそれを不知覚に埋め込むために使用される。
これらの透かしは暗号的に検証可能であり、ソース属性と画像の整合性検証を可能にする。
DeepSignatureは既存のイメージフォーマットと互換性があり、署名されたイメージの特別な処理を必要としない。
クライアント側の認証をサポートし、シグナの公開キーのみを必要とする。
さらに,タグ付けの試みを検知し,局所化するための新しい潜時空間検証手法を提案する。
我々は,DeepSignatureを,認識不能性,良性変換に対する堅牢性,偽検出,および各種攻撃シナリオに対するレジリエンスの観点から評価した。
我々の結果は、認識不能、堅牢性、整合性検証の間の本質的にのトレードオフを強調します。
私たちは、DeepSignatureが重要な偽造の試みを確実に特定していることを示します。
最後に、DeepSignatureのモジュラリティとチューニング可能なパラメータを強調し、アプリケーション固有の要件への適応を可能にします。
コードとモデルの重み付けが公開される。
関連論文リスト
- SAiW: Source-Attributable Invisible Watermarking for Proactive Deepfake Defense [7.442956390854273]
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。
論文 参考訳（メタデータ） (2026-03-24T13:26:52Z) - Adapter Shield: A Unified Framework with Built-in Authentication for Preventing Unauthorized Zero-Shot Image-to-Image Generation [74.5813283875938]
ゼロショット画像・画像生成は知的財産権侵害に重大なリスクをもたらす。
この研究は、個人イメージを誤用から守ることを目的とした、最初の普遍的および認証統合ソリューションであるAdapter Shieldを提示する。
提案手法は, ゼロショット画像合成の不正化において, 最先端の防御を克服する。
論文 参考訳（メタデータ） (2025-11-25T04:49:16Z) - A Content-dependent Watermark for Safeguarding Image Attribution [45.90265244606734]
暗号セキュリティ保証付きコンテンツ依存型透かしのための新しいフレームワークであるMetaSealを提案する。
我々の設計では、偽造防止、不正な複製の防止、暗号検証の実施が可能である。
実験では、MetaSealが偽造の試みを効果的に軽減し、自然画像とAI生成画像の両方に適用できることが示されている。
論文 参考訳（メタデータ） (2025-09-13T00:38:03Z) - The NeRF Signature: Codebook-Aided Watermarking for Neural Radiance Fields [77.76790894639036]
我々は,NeRFの新しい透かし方式であるNeRFシグナチャを提案する。
我々は、モデル構造を変更しないコードブック支援署名埋め込み(CSE)を採用している。
また、署名をパッチに隠すための共同ポーズパッチ暗号透かし戦略も導入する。
論文 参考訳（メタデータ） (2025-02-26T13:27:49Z) - 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) - 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) - T2IW: Joint Text to Image & Watermark Generation [74.20148555503127]
画像と透かし(T2IW)への共同テキスト生成のための新しいタスクを提案する。
このT2IWスキームは、意味的特徴と透かし信号が画素内で互換性を持つように強制することにより、複合画像を生成する際に、画像品質に最小限のダメージを与える。
提案手法により,画像品質,透かしの可視性,透かしの堅牢性などの顕著な成果が得られた。
論文 参考訳（メタデータ） (2023-09-07T16:12:06Z) - 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) - 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。