論文の概要: Do Protective Perturbations Really Protect Portrait Privacy under Real-world Image Transformations?

• arxiv url: http://arxiv.org/abs/2604.23688v1
• Date: Sun, 26 Apr 2026 13:04:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.501021
• Title: Do Protective Perturbations Really Protect Portrait Privacy under Real-world Image Transformations?
• Title（参考訳）: 保護的摂動は、現実のイメージ変換の下でポートレートプライバシーを本当に保護しているか?
• Authors: Ruiqing Sun, Xingshan Yao, Zhijing Wu, Tian Lan, Chenhao Cui, Huiyang Zhao, Jialing Shi, Chen Yang, Xianling Mao,
• Abstract要約: 画像の非許可編集や会話顔生成(TFG)から画像を保護するプロアクティブディフェンス法 画素レベルの修正が既存のプロアクティブディフェンス法の有効性に影響を及ぼすかどうかは不明である。 実世界の画像変換によって引き起こされる脆弱性を利用した,シンプルで効果的な浄化フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 23.744916887231636
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Proactive defense methods protect portrait images from unauthorized editing or talking face generation (TFG) by introducing pixel-level protective perturbations, and have already attracted increasing attention for privacy protection. In real-world scenarios, images inevitably undergo various transformations during cross-device display and dissemination--such as scale transformations and color compression--that directly alter pixel values. However, it remains unclear whether such pixel-level modifications affect the effectiveness of existing proactive defense methods that rely on pixel-level perturbations. To solve this problem, we conduct a systematic evaluation of representative proactive defenses under image transformation. The evaluated methods are selected to span different generation architectures such as diffusion and GAN-based models, as well as defense scopes covering both portrait and natural images, and are assessed using both qualitative and quantitative metrics for subjective and objective comparison. Experimental results indicate that defense methods based on pixel-level perturbations struggle to withstand common image transformations, posing a risk of defense failure in real-world applications. To further highlight this risk, we propose a simple yet effective purification framework by leveraging the vulnerabilities induced by real-world image transformations. Experimental results demonstrate that the proposed method can efficiently remove protective perturbations with low computational cost, highlighting previously overlooked risks to the research community.
• Abstract（参考訳）: プロアクティブディフェンス法は、画素レベルの保護摂動を導入することにより、非許可の編集や会話顔生成(TFG)からポートレートイメージを保護し、すでにプライバシー保護に注目が集まっている。 実世界のシナリオでは、画像はクロスデバイス表示と拡散の間、必然的に様々な変換を受け、スケール変換や色圧縮など、ピクセル値を直接変更する。 しかし、そのような画素レベルの修正が、画素レベルの摂動に依存する既存のプロアクティブディフェンス法の有効性に影響を及ぼすかどうかは不明である。 この問題を解決するために,画像変換下での代表的積極的防御を体系的に評価する。 評価された手法は,拡散モデルやGANモデルなどの異なる世代アーキテクチャ,および肖像画と自然画像の両方をカバーする防御範囲にまたがるよう選択され,主観的・客観的比較のための定性的・定量的な指標を用いて評価される。 実験結果から, 画素レベルの摂動に基づく防御手法は, 一般的な画像変換に耐えられず, 現実の応用における防御の失敗の危険性が示唆された。 このリスクをさらに強調するために、実世界の画像変換によって引き起こされる脆弱性を活用することで、シンプルで効果的な浄化フレームワークを提案する。 実験により,提案手法は計算コストの低い保護摂動を効果的に除去し,これまで見過ごされていた研究コミュニティのリスクを浮き彫りにすることを示した。

関連論文リスト

• Towards Transferable Defense Against Malicious Image Edits [70.17363183107604]
  Transferable Defense Against Malicious Image Edits (TDAE)は、悪意のある編集に対するイメージ免疫を強化する新しいバイモーダルフレームワークである。 本稿では,FlatGrad Defense Mechanism (FDM) を紹介した。 テキストエンハンスメント保護のための動的プロンプトディフェンス (DPD) を提案し, テキスト埋め込みを周期的に洗練し, 免疫画像の編集結果を元の画像と整合させる。
  論文  参考訳（メタデータ） (2025-12-16T12:10:16Z)
• Anti-Inpainting: A Proactive Defense Approach against Malicious Diffusion-based Inpainters under Unknown Conditions [14.34509668877061]
  アンチ・インペインティング(英: anti-Inpainting)は、3つの新しいモジュールからなる保護を達成するプロアクティブ・ディフェンス・アプローチである。 まず,拡散復調過程から複雑な特徴を抽出する多層深層特徴抽出器を提案する。 次に, 対向摂動の伝達性を高めるため, マルチスケールな意味保存データ拡張手法を設計する。
  論文  参考訳（メタデータ） (2025-05-19T12:07:29Z)
• DCT-Shield: A Robust Frequency Domain Defense against Malicious Image Editing [1.7624347338410742]
  最近のディフェンスは、拡散ベースの編集モデルの機能を損なうために、ピクセル空間に限られたノイズを加えることで画像を保護する。 本稿では,周波数領域に直接対向摂動を導入する新しい最適化手法を提案する。 JPEGパイプラインを利用して,悪意のある画像編集を効果的に防止する逆画像を生成する。
  論文  参考訳（メタデータ） (2025-04-24T19:14:50Z)
• DiffusionGuard: A Robust Defense Against Malicious Diffusion-based Image Editing [103.40147707280585]
  DiffusionGuardは、拡散ベースの画像編集モデルによる不正な編集に対する堅牢で効果的な防御方法である。 拡散過程の初期段階をターゲットとした対向雑音を発生させる新しい目的を提案する。 また,テスト期間中の各種マスクに対するロバスト性を高めるマスク強化手法も導入した。
  論文  参考訳（メタデータ） (2024-10-08T05:19:19Z)
• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に重大な脅威をもたらす。 この不正行為を防止するため、操作過程を妨害する積極的な防御法が提案されている。 本稿では,IDガード(ID-Guard)と呼ばれる顔の操作に対処するための普遍的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• Pixel Is Not a Barrier: An Effective Evasion Attack for Pixel-Domain Diffusion Models [9.905296922309157]
  拡散モデルは高品質な画像合成のための強力な生成モデルとして登場し、それに基づく画像編集技術も数多くある。 従来の研究は、知覚不能な摂動を加えることで、画像の拡散に基づく編集を防ごうとしてきた。 本研究は,UNETの脆弱性を利用した新たな攻撃フレームワークであるAtkPDMと,敵画像の自然性を高めるための潜在最適化戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-21T17:56:34Z)
• IMPRESS: Evaluating the Resilience of Imperceptible Perturbations Against Unauthorized Data Usage in Diffusion-Based Generative AI [52.90082445349903]
  拡散ベースの画像生成モデルは、アーティストのスタイルを模倣するアートイメージを作成したり、偽のコンテンツのためにオリジナルの画像を悪意を持って編集することができる。 知覚不能な摂動を追加することによって、元のイメージをそのような不正なデータ使用から保護する試みがいくつかなされている。 本研究では, IMPRESS という浄化摂動プラットフォームを導入し, 非受容性摂動の有効性を保護策として評価する。
  論文  参考訳（メタデータ） (2023-10-30T03:33:41Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)

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。