論文の概要: Removing the Watermark Is Not Enough: Forensic Stealth in Generative-AI Watermark Removal
- arxiv url: http://arxiv.org/abs/2605.09203v1
- Date: Sat, 09 May 2026 22:45:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 14:46:38.76754
- Title: Removing the Watermark Is Not Enough: Forensic Stealth in Generative-AI Watermark Removal
- Title（参考訳）: 透かしの取り外しは十分ではない:AI世代別透かし除去法
- Abstract要約: 現在の透かし除去攻撃は、この強い目的を達成できないことを示す。
4つの攻撃ファミリーにまたがる6つの最先端の除去装置のうち、独立した法医学的検出装置は、クリーン画像からの除去処理された出力を98%以上の真正の速度で区別する。
この信号は, 共通の後処理下で持続し, 特徴的な2相スペクトル変形を示し, 除去成功, 画像品質, 法医学ステルスの3方向張力が得られることを示す。
- 参考スコア（独自算出の注目度）: 5.339825757276247
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Watermarks for AI-generated images are meant to support downstream decisions about provenance, manipulation, and trust. In the settings that motivate watermark removal, therefore, success means more than causing the watermark test to fail. A successful remover must also preserve the utility of the image and make the output forensically indistinguishable from clean content, so that defeating the verifier restores deniability rather than merely replacing one detection signal with another. We show that current watermark removal attacks fail this stronger objective. Across six state-of-the-art removers spanning four attack families, independent forensic detectors distinguish removal-processed outputs from clean images at over 98% true-positive rate under a 1% false-positive budget. Thus, current removers often replace the watermark with a different detectable signal. Using UnMarker (IEEE S&P 2025) as a detailed case study, we show that this signal persists under common post-processing, exhibits a characteristic two-regime spectral deformation, and yields a three-way tension among removal success, image quality, and forensic stealth. These results show that existing removal benchmarks are incomplete: they reward verifier evasion and utility preservation while omitting forensic stealth. A workable watermark remover must satisfy all three conditions at once: watermark evasion, utility preservation, and forensic indistinguishability from clean content.
- Abstract（参考訳）: AI生成画像の透かしは、証明、操作、信頼に関する下流の決定をサポートすることを目的としている。
したがって、透かし除去を動機付ける設定では、成功は透かしテストが失敗すること以上の意味がある。
成功した除去器は、画像の有用性を保ち、出力をクリーンな内容と鑑定不能にしなければならないため、検証器を倒すことで、ある検出信号を別の検出信号に置き換えるのではなく、識別性を回復することができる。
現在の透かし除去攻撃は、この強い目的を達成できないことを示す。
4つの攻撃ファミリーにまたがる最先端の6つの除去装置のうち、独立した法医学的検出装置は、1%の偽陽性予算の下で、クリーン画像からの除去処理された出力を98%以上の真陽性率で区別する。
したがって、現在の除去器は、しばしば異なる検出可能な信号で透かしを置き換える。
UnMarker (IEEE S&P 2025) を詳細なケーススタディとして, この信号は共通の後処理下で持続し, 特徴的な2相スペクトル変形を示し, 除去成功, 画像品質, 法医学ステルスの間に3方向の張力を与えることを示す。
これらの結果は,既存の除去ベンチマークが不完全であることを示している。
実用性のある透かし除去器は、透かしの回避、実用性維持、清潔な内容との鑑定不能という3つの条件を同時に満たさなければならない。
関連論文リスト
- The Forensic Cost of Watermark Removal [4.2622842782060175]
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。
論文 参考訳（メタデータ） (2026-04-28T10:47:21Z) - 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) - Transferable Black-Box One-Shot Forging of Watermarks via Image Preference Models [42.902365202924535]
広範に使用されているポストホック画像透かしの文脈における透かし鍛造について検討した。
画像がウォーターマークされているかどうかを評価するための選好モデルを導入する。
本稿では,バックプロパゲーションによる入力画像の最適化により,透かしを除去・鍛造するモデルの能力を実証する。
論文 参考訳（メタデータ） (2025-10-23T12:06:35Z) - WMCopier: Forging Invisible Image Watermarks on Arbitrary Images [38.59295440296696]
目的の透かしアルゴリズムの事前知識やアクセスを必要とせず,有効な透かし偽造攻撃であるWMCopierを提案する。
提案手法はまず,無条件拡散モデルを用いて対象の透かし分布をモデル化し,次いで,対象の透かしを非透かし画像にシームレスに埋め込む。
実験の結果、WMCopierはオープンソースとクローズドソースの両方の透かしシステムを効果的に騙していることがわかった。
論文 参考訳（メタデータ） (2025-03-28T11:11:19Z) - Robust and Minimally Invasive Watermarking for EaaS [50.08021440235581]
組み込み・アズ・ア・サービス(Eding)はAIアプリケーションにおいて重要な役割を担っている。
編集はモデル抽出攻撃に対して脆弱であり、著作権保護の必要性を強調している。
そこで我々は,Edingの著作権保護を堅牢にするための新しい埋め込み専用透かし (ESpeW) 機構を提案する。
論文 参考訳（メタデータ） (2024-10-23T04:34:49Z) - An Undetectable Watermark for Generative Image Models [65.31658824274894]
生成画像モデルに対する検出不能な最初の透かし方式を提案する。
特に、検出不能な透かしは、効率的に計算可能なメートル法で画質を劣化させることはない。
提案手法は,擬似乱数誤り訂正符号を用いて拡散モデルの初期潜時間を選択する。
論文 参考訳（メタデータ） (2024-10-09T18:33:06Z) - 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) - Invisible Image Watermarks Are Provably Removable Using Generative AI [47.25747266531665]
Invisibleの透かしは、所有者によってのみ検出可能な隠されたメッセージを埋め込むことで、画像の著作権を保護する。
我々は、これらの見えない透かしを取り除くために、再生攻撃のファミリーを提案する。
提案手法は,まず画像にランダムノイズを加えて透かしを破壊し,画像を再構成する。
論文 参考訳（メタデータ） (2023-06-02T23:29:28Z) - Watermark Vaccine: Adversarial Attacks to Prevent Watermark Removal [69.10633149787252]
本稿では,対人機械学習による対人防御機構を提案する。
破壊性ウォーターマークワクチン(DWV)は、透かし除去ネットワークを通過した後、宿主のイメージと透かしを破滅させる。
Inerasable Watermark Vaccine(IWV)は、透かしが取り除かれないようにし、目立たないようにする別の方法だ。
論文 参考訳（メタデータ） (2022-07-17T13:50:02Z) - Certified Neural Network Watermarks with Randomized Smoothing [64.86178395240469]
本稿では,ディープラーニングモデルのための認証型透かし手法を提案する。
我々の透かしは、モデルパラメータが特定のl2しきい値以上変更されない限り、取り外し不可能であることが保証されている。
私たちの透かしは、従来の透かし法に比べて経験的に頑丈です。
論文 参考訳（メタデータ） (2022-07-16T16:06:59Z) - WDNet: Watermark-Decomposition Network for Visible Watermark Removal [61.14614115654322]
透かしのサイズ、形状、色、透明さの不確かさは、画像から画像への翻訳技術にとって大きな障壁となった。
従来の透かし画像分解を2段発電機(WDNet(Watermark-Decomposition Network))に組み合わせます。
分解製剤は、WDNetが単に削除するのではなく、画像から透かしを分離することができます。
論文 参考訳（メタデータ） (2020-12-14T15:07:35Z)
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。