論文の概要: Watermarks Attack Watermarks: Re-Watermarking as a Generic Removal Strategy
- arxiv url: http://arxiv.org/abs/2605.16796v1
- Date: Sat, 16 May 2026 03:57:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:47.025934
- Title: Watermarks Attack Watermarks: Re-Watermarking as a Generic Removal Strategy
- Title（参考訳）: ウォーターマークがウォーターマークを攻撃: ジェネリック除去戦略としての再ウォーターマーク
- Abstract要約: 透かしのような透かしそのものに対する攻撃は、検知器を起動する入力画像(現在透かし付き)に不可避な変化を求める。
既存の透かし画像の再透かしだけで元の信号が確実に抑制されることを示す。
我々の研究は安価で汎用的で非常に効果的な攻撃パイプラインを構成しており、現在の透かし方式の信頼性を疑問視している。
- 参考スコア（独自算出の注目度）: 15.634495620977297
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Watermarking combines an imperceptible change to an input image that will trigger a detector, to assert provenance and protect intellectual property. The literature has shown great interest in attacks on watermarking schemes: attackers are clearly motivated to steal copyrighted material or circumvent legislated deepfake protections. In this work, we make a simple-yet-powerful observation: that such attacks on watermarking-like watermarks themselves-seek an imperceptible change to an input image (now already watermarked) that will trigger a detector. This analogy comparing watermark attacks to watermarking itself is highly suggestive: that watermarks could be used to attack watermarks. Our first contribution validates this hypothesis. In rigorous experiments spanning 96 combinations of dataset, victim, and attack watermarks, we show that simply re-watermarking an already watermarked image reliably suppresses the original signal, without requiring gradients, surrogate models, or detection keys. Our second contribution is a simple classifier for detecting the presence and identity of an existing watermark in a given image. Surprisingly, experimental findings demonstrate outstanding overall accuracies 0.878-0.953. This result is of independent interest as a security vulnerability: research shows that method-specific attacks achieve substantially stronger removal than black-box attacks. Taken together, watermark identification combined with re-watermarking successfully reduces bit accuracy by at least 25% and up to 48%. Our work constitutes a cheap, generic, and highly effective attack pipeline, calling into question the reliability of current watermarking schemes to such a simple attack, as well as the value of existing sophisticated attacks.
- Abstract（参考訳）: ウォーターマーキングは、検知器をトリガーする入力画像への不可避な変更を組み合わせ、証明を主張し、知的財産を保護する。
攻撃者は明らかに著作権のある素材を盗んだり、合法化されたディープフェイクの保護を回避しようとする動機がある。
そこで本研究では、透かしのような透かしそのものに対する攻撃が、検知器をトリガーする入力画像(現在すでに透かしを施している)に対する不可避な変化を検知する。
透かし攻撃と透かしそのものを比較するこの類推は、透かしが透かし攻撃に使用できるという非常に示唆的なものである。
私たちの最初の貢献はこの仮説を検証する。
96のデータセット、被害者、攻撃用透かしの組み合わせからなる厳密な実験において、既に透かしを施した画像の再透かしは、勾配や代理モデル、検出キーを必要とせず、元の信号を確実に抑制することを示した。
第2のコントリビューションは、与えられた画像中の既存の透かしの存在と同一性を検出するための単純な分類器である。
意外なことに, 実験の結果, 全体の精度は0.878-0.953であった。
研究によると、メソッド固有の攻撃はブラックボックス攻撃よりもはるかに強力な除去を実現している。
電子透かしと再透かしを組み合わせることで、ビットの精度は少なくとも25%、最大48%低下する。
我々の研究は安価で汎用的で非常に効果的な攻撃パイプラインを構成しており、このような単純な攻撃に対する現在の透かしスキームの信頼性と、既存の高度な攻撃の価値に疑問を投げかけている。
関連論文リスト
- 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) - 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) - 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) - UnMarker: A Universal Attack on Defensive Image Watermarking [4.013156524547072]
防衛的な透かしに対する最初の実践的普遍的な攻撃であるUnMarkerを紹介します。
UnMarkerは検出器のフィードバックを必要とせず、透かしスキームや類似したモデルに関する非現実的な知識も必要とせず、先進的な復調パイプラインも必要としない。
SOTAスキームに対する評価は、UnMarkerの有効性を証明する。
論文 参考訳（メタデータ） (2024-05-14T07:05:18Z) - A Transfer Attack to Image Watermarks [34.913290430783185]
本研究では,Non-box設定における画像透かしに対する新しい転送回避攻撃を提案する。
我々の主な貢献は、理論的にも経験的にも、既存の透かし法に基づく透かしベースのAI生成画像検出器は、回避攻撃に対して堅牢ではないことを示すことである。
論文 参考訳（メタデータ） (2024-03-22T17:33:11Z) - 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) - 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) - Fine-tuning Is Not Enough: A Simple yet Effective Watermark Removal
Attack for DNN Models [72.9364216776529]
我々は異なる視点から新しい透かし除去攻撃を提案する。
我々は、知覚不可能なパターン埋め込みと空間レベルの変換を組み合わせることで、単純だが強力な変換アルゴリズムを設計する。
我々の攻撃は、非常に高い成功率で最先端の透かしソリューションを回避できる。
論文 参考訳（メタデータ） (2020-09-18T09:14:54Z)
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。