論文の概要: The Forensic Cost of Watermark Removal

• arxiv url: http://arxiv.org/abs/2604.25491v1
• Date: Tue, 28 Apr 2026 10:47:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.826748
• Title: The Forensic Cost of Watermark Removal
• Title（参考訳）: 透かし除去の法医学的費用
• Authors: Gautier Evennou, Ewa Kijak,
• Abstract要約: 現在の透かし除去法は,攻撃成功率と知覚品質の2つの軸で評価されている。 最先端の攻撃は目に見える歪みを伴わずに透かし信号を分解することに成功したが、除去の試みを裏切る統計的な遺物を残している。 以上の結果から,透かし除去の必要条件として,法医学的ステルスネスが確立された。
• 参考スコア（独自算出の注目度）: 4.2622842782060175
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Current watermark removal methods are evaluated on two axes: attack success rate and perceptual quality. We show this is insufficient. While state-of-the-art attacks successfully degrade the watermark signal without visible distortion, they leave distinct statistical artifacts that betray the removal attempt. We name this overlooked axis Watermark Removal Detection (WRD) and demonstrate that a modern classifier trained on these artifacts achieves state-of-the-art detection rates at $10^{-3}$ FPR across every removal method tested. No existing attack accounts for this forensic leakage. We benchmark leading watermarking schemes against standard removal pipelines under the extended evaluation triple of attack success, perceptual quality, and forensic detectability, and find that no current method balances all three. Our results establish forensic stealthiness as a necessary requirement for watermark removal.
• Abstract（参考訳）: 現在の透かし除去法は,攻撃成功率と知覚品質の2つの軸で評価されている。 これは不十分であることを示す。 最先端の攻撃は目に見える歪みを伴わずに透かし信号を分解することに成功したが、除去の試みを裏切る統計的な遺物を残している。 水標除去検出 (WRD) と命名し、これらのアーティファクトで訓練された近代的な分類器が、テスト対象の除去方法のすべてにわたって、最先端の検出率を10-3$ FPRで達成できることを実証した。 この法医学的漏洩について、既存の攻撃は説明されていない。 我々は、攻撃成功、知覚的品質、法医学的検出可能性の3倍の長大な評価の下で、標準的な除去パイプラインに対する主要な透かし方式をベンチマークし、現在の手法が3つ全てにバランスをとらないことを発見した。 以上の結果から,透かし除去の必要条件として,法医学的ステルスネスが確立された。

関連論文リスト

• On the Robustness of Watermarking for Autoregressive Image Generation [21.402408065930796]
  自己回帰(AR)画像生成装置は、モデル崩壊を防ぐために、出力の信頼性の高い検出と属性を要求する。 ARモデル用に特別に設計された透かし技術は、世代毎に微妙な信号を埋め込んで、下流の検証を可能にする。 これらのスキームを検証し,ウォーターマーク除去と偽造攻撃の両方に対する脆弱性を実証する。
  論文  参考訳（メタデータ） (2026-04-13T16:56:48Z)
• Towards Robust Content Watermarking Against Removal and Forgery Attacks [38.76860389018762]
  We build a novel watermarking paradigm called Instance-Specific watermarking with Two-Sided detection。 ユーザのプロンプトのセマンティクスに基づいて注入時間と透かしパターンを動的に制御する戦略を導入する。 実験では、除去や偽造攻撃に対する透かしの優位性を実証した。
  論文  参考訳（メタデータ） (2026-04-08T04:28:56Z)
• Authenticated Contradictions from Desynchronized Provenance and Watermarking [48.47756819432157]
  この研究は、$textitIntegrity Clash$を形式化し、実証的に実証している。 本稿では,3500枚のテスト画像に対して100%の分類精度を達成し,証明メタデータと透かし検出ステータスを共同評価する層間監査プロトコルを提案する。
  論文  参考訳（メタデータ） (2026-03-02T20:42:12Z)
• DeMark: A Query-Free Black-Box Attack on Deepfake Watermarking Defenses [25.492274324587058]
  DeMarkは、ディープフェイクの防御的なイメージ透かしスキームをターゲットにした、クエリフリーのブラックボックスアタックフレームワークである。 エンコーダ・デコーダ・ウォーターマーキングモデルにおける潜時空間の脆弱性を圧縮センシングに基づくスペーシフィケーションプロセスにより活用する。 DeMarkは、透かし検出の精度を、自然の視覚的品質を維持しながら、平均で100%から32.9%に下げる。
  論文  参考訳（メタデータ） (2026-01-23T06:04:43Z)
• Character-Level Perturbations Disrupt LLM Watermarks [64.60090923837701]
  我々は,Large Language Model (LLM)ウォーターマーキングのためのシステムモデルを定式化する。 我々は、透かし検出器への限られたアクセスに制約された2つの現実的な脅威モデルの特徴付けを行う。 我々は,最も制限的な脅威モデルの下で,キャラクタレベルの摂動が透かし除去に著しく有効であることを実証した。 現実的な制約下での透かし除去における文字レベルの摂動の優位性と遺伝的アルゴリズム(GA)の有効性を実験的に検証した。
  論文  参考訳（メタデータ） (2025-09-11T02:50:07Z)
• Robustness of AI-Image Detectors: Fundamental Limits and Practical Attacks [47.04650443491879]
  我々は、透かしやディープフェイク検出器を含む様々なAI画像検出器の堅牢性を分析する。 ウォーターマーキング手法は,攻撃者が実際の画像をウォーターマーキングとして識別することを目的としたスプーフ攻撃に対して脆弱であることを示す。
  論文  参考訳（メタデータ） (2023-09-29T18:30:29Z)
• Towards Robust Model Watermark via Reducing Parametric Vulnerability [57.66709830576457]
  バックドアベースのオーナシップ検証が最近人気となり,モデルオーナがモデルをウォーターマークすることが可能になった。 本研究では,これらの透かし除去モデルを発見し,それらの透かし挙動を復元するミニマックス定式化を提案する。 本手法は,パラメトリックな変化と多数のウォーターマーク除去攻撃に対するモデル透かしの堅牢性を向上させる。
  論文  参考訳（メタデータ） (2023-09-09T12:46:08Z)
• SoK: How Robust is Image Classification Deep Neural Network Watermarking? (Extended Version) [16.708069984516964]
  我々は,最近提案された,ロバスト性を主張する透かし方式が,大規模な除去攻撃に対して堅牢であるか否かを評価する。 調査されたウォーターマーキングスキームのいずれも、実際のデータセットでは堅牢ではない。 我々は,より現実的な敵モデルを用いて,より広範囲にわたる除去攻撃に対して,透かし方式を評価する必要があることを示す。
  論文  参考訳（メタデータ） (2021-08-11T00:23:33Z)

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。