論文の概要: StyleShield: Exposing the Fragility of AIGC Detectors through Continuous Controllable Style Transfer
- arxiv url: http://arxiv.org/abs/2605.00924v1
- Date: Thu, 30 Apr 2026 18:24:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-05 20:33:49.484158
- Title: StyleShield: Exposing the Fragility of AIGC Detectors through Continuous Controllable Style Transfer
- Title（参考訳）: StyleShield: 連続制御可能なスタイル転送によるAIGC検出器の脆弱性の抽出
- Authors: Guantian Zheng,
- Abstract要約: StyleShieldは条件付きテキストスタイル転送のための最初のフローマッチングフレームワークである。
本稿では、任意の値に検出レートの検証を設定できる文書レベルのスケジューリングアルゴリズムであるRateAuditを紹介する。
- 参考スコア（独自算出の注目度）: 0.06768558752130312
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI-generated content (AIGC) detectors are increasingly deployed in high-stakes settings such as academic integrity screening, yet their reliability rests on a fundamental paradox: as language models are trained on human-written corpora, the statistical boundary between AI and human writing will inevitably dissolve as models improve. Commercial incentives have further distorted this landscape -- detection services and "de-AIification" tools often operate within the same supply chain, replacing evaluation of content quality with judgment of content origin. We present StyleShield, the first flow matching framework for conditional text style transfer, operating directly in continuous token embedding space via a DiT backbone with zero-initialized cross-attention adapters conditioned on frozen Qwen-7B representations. At inference, we adapt the SDEdit paradigm from image synthesis to text embeddings, with a single parameter gamma providing smooth continuous control over the evasion-preservation trade-off. On a multi-domain Chinese benchmark, StyleShield achieves 94.6% evasion against the training detector and >=99% against three unseen detectors, maintaining 0.928 semantic similarity. We further introduce RateAudit, a document-level scheduling algorithm that demonstrates detection-rate verdicts can be set to arbitrary values, directly questioning the reliability of score-based evaluation.
- Abstract（参考訳）: AI生成コンテンツ(AIGC)検出器は、学術的整合性スクリーニングなどの高度な設定でますますデプロイされているが、その信頼性は基本的なパラドックスに依存している。
検出サービスと「脱文明」ツールは、しばしば同じサプライチェーン内で動作し、コンテンツ品質の評価をコンテンツ起源の判断に置き換える。
凍結したQwen-7B表現に条件付けされたゼロ初期化クロスアテンションアダプタを備えたDiTバックボーンを介して,連続トークン埋め込み空間で直接動作する,条件付きテキストスタイル転送のための最初のフローマッチングフレームワークであるStyleShieldを提案する。
画像合成からテキスト埋め込みへのSDEditのパラダイムを1つのパラメータガンマで適用し,回避保存トレードオフのスムーズな連続制御を実現する。
マルチドメインの中国のベンチマークでは、StyleShieldはトレーニング検出器に対して94.6%の回避を達成し、3つの目に見えない検出器に対して=99%の精度で0.928のセマンティック類似性を維持している。
我々はさらに、任意の値に検出レートの検証を設定できることを示す文書レベルのスケジューリングアルゴリズムであるRateAuditを導入し、スコアベースの評価の信頼性に直接疑問を呈する。
関連論文リスト
- AGFT: Alignment-Guided Fine-Tuning for Zero-Shot Adversarial Robustness of Vision-Language Models [12.774216017720642]
事前学習された視覚言語モデル(VLM)は強力なゼロショット一般化を示すが、敵の摂動に弱いままである。
本稿では,アライメントガイド付ファインチューニング(AGFT)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-31T08:17:27Z) - ThreatFormer-IDS: Robust Transformer Intrusion Detection with Zero-Day Generalization and Explainable Attribution [0.0]
IoTおよび産業ネットワークの侵入検出には、進化するトラフィックと限定されたラベルの下で信頼性を維持しながら、低い偽陽性率で稀な攻撃を検出できるモデルが必要である。
本研究では,トランスフォーマーをベースとしたシーケンシャルモデリングフレームワークThreatFormer-IDSを提案する。
時系列評価を備えたToN IoTベンチマークでは、ThreatFormer-IDSがAUCROC 0.994、AUC-PR 0.956、Recall@1%FPR 0.910を達成した。
論文 参考訳（メタデータ） (2026-02-26T23:20:42Z) - CORE: Context-Robust Remasking for Diffusion Language Models [51.59514489363897]
我々は、推論時リビジョンのためのトレーニング不要フレームワークであるContext-Robust Remasking (CORE)を提案する。
静的トークンの確率を信頼するのではなく、COREは、ターゲットとなるマスク付きコンテキストの摂動に対する感受性を示すことによって、コンテキスト不安定なトークンを識別する。
LLaDA-8B-Baseでは、COREは推論とコードベンチマークの間で一貫した改善を行い、計算に適合したベースラインを上回り、MBPPを最大9.2%改善した。
論文 参考訳（メタデータ） (2026-02-04T00:12:30Z) - SSVP: Synergistic Semantic-Visual Prompting for Industrial Zero-Shot Anomaly Detection [55.54007781679915]
本稿では,多種多様な視覚的エンコーディングを効率よく融合させ,モデルの微粒化知覚を高めるSynergistic Semantic-Visual Prompting (SSVP)を提案する。
SSVPは、MVTec-AD上で93.0%のImage-AUROCと92.2%のPixel-AUROCで最先端のパフォーマンスを達成し、既存のゼロショットアプローチを著しく上回っている。
論文 参考訳（メタデータ） (2026-01-14T04:42:19Z) - Cross-modal Proxy Evolving for OOD Detection with Vision-Language Models [59.242742594156546]
CoEvoは、テキストプロキシとビジュアルプロキシの両方を双方向でサンプル条件で適応するテストタイムフレームワークである。
CoEvoは最先端のパフォーマンスを実現し、AUROCを1.33%改善し、ImageNet-1KではFPR95を45.98%削減した。
論文 参考訳（メタデータ） (2026-01-13T12:08:26Z) - Modeling the Attack: Detecting AI-Generated Text by Quantifying Adversarial Perturbations [2.7620215077666557]
現代の検出器は敵の攻撃に弱いことで知られており、パラフレーズは効果的な回避技術として際立っている。
本稿では,まず,標準的な対人訓練の限界を定量化することにより,対人的堅牢性の比較研究を行う。
次に、新しい、はるかに回復力のある検出フレームワークを紹介します。
論文 参考訳（メタデータ） (2025-09-22T13:03:53Z) - Beyond Easy Wins: A Text Hardness-Aware Benchmark for LLM-generated Text Detection [0.38233569758620056]
本稿では,現実的かつ公平な評価を優先する,AIテキスト検出のための新しい評価パラダイムを提案する。
我々のベンチマークであるShielDは、信頼性と安定性の両要素を統一評価基準に統合することにより、これらの制限に対処する。
制御可能な硬度パラメータを組み込んだモデル非依存型ヒューマニフィケーションフレームワークを開発した。
論文 参考訳（メタデータ） (2025-07-21T06:37:27Z) - Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳（メタデータ） (2024-05-01T12:03:39Z)
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。