論文の概要: Screen-Conditioned Watermarking Against Multi-Screen Collusion Attacks
- arxiv url: http://arxiv.org/abs/2607.23553v2
- Date: Fri, 31 Jul 2026 07:54:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-03 14:29:40.20455
- Title: Screen-Conditioned Watermarking Against Multi-Screen Collusion Attacks
- Title（参考訳）: マルチスクリーン衝突攻撃に対するスクリーンコンディション型透かし
- Abstract要約: CoMSMarkはマルチスクリーン撮影のための画像に依存しない透かしフレームワークである。
CoMSMarkは、コラーゲンベースの透かし除去と偽造の両方に効果的に抵抗する。
- 参考スコア（独自算出の注目度）: 35.10184009610582
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Screen-shooting poses a significant threat to confidential information protection. While existing screen-shooting watermarking methods enable copyright verification, the copyrighted images carrying the same copyright watermark across different screens often exhibit highly similar and estimable watermark patterns. These shared patterns can be exploited for watermark removal and forgery, a threat we term the multi-screen collusion attack. To mitigate this threat, we propose CoMSMark, a collusion-resistant image-agnostic watermarking framework for multi-screen shooting, which reduces shared residual components across screens to resist multi-screen collusion attacks. Specifically, we incorporate screen ID through a style modulation mechanism, enabling the encoder to generate screen-specific watermark residuals for reliable source attribution. We further introduce a collusion suppression loss that reduces shared residual components and encourages high-entropy predictions for forged samples, improving resistance to collusion attacks. Finally, to enable efficient large-scale distribution, CoMSMark employs an image-agnostic encoding paradigm that generates watermark residuals independently of image content. Extensive experiments demonstrate that CoMSMark effectively resists both collusion-based watermark removal and forgery. It maintains an average watermark accuracy above 90% under removal attacks while keeping forged-watermark accuracy near 50%. Moreover, CoMSMark achieves competitive robustness under diverse screen-shooting conditions, including varying capture distances and angles.
- Abstract（参考訳）: スクリーン撮影は機密情報保護に重大な脅威をもたらす。
既存の画面撮影による透かし方式は著作権の検証を可能にするが、異なる画面に同じ著作権の透かしを収めた著作権付き画像は、しばしば非常によく似た、推定可能な透かしパターンを示す。
これらの共有パターンは、マルチスクリーン・コラシオン攻撃(multi-screen collusion attack)という脅威である、透かしの除去と偽造に利用することができる。
この脅威を軽減するため,マルチスクリーン撮影のための画像認識型透かしフレームワークであるCoMSMarkを提案する。
具体的には、画面IDをスタイル変調機構を通じて組み込んで、エンコーダが信頼できるソース属性のための画面固有の透かし残余を生成することができる。
さらに,共有残留成分を低減し,偽造サンプルの高エントロピー予測を奨励し,コルーシ攻撃に対する耐性を向上するコルーシ抑制損失を導入する。
最後に,CoMSMarkは画像内容とは無関係に透かし残余を生成する,画像に依存しない符号化パラダイムを採用している。
大規模な実験により、CoMSMarkはコラシオンベースの透かし除去と偽造の両方に効果的に抵抗することが示された。
除去攻撃時の平均透かし精度は90%以上であり、偽透かし精度は50%近く維持されている。
さらに、CoMSMarkは、様々なキャプチャ距離や角度を含む様々なスクリーン撮影条件下で、競争力を達成する。
関連論文リスト
- SpreadMark: Robust Image Watermarking via Spread-Spectrum Embedding [35.24760637584417]
古典的な透かし原理である拡散スペクトル埋め込みを、現代のニューラルなポストホット透かしアーキテクチャの中で再検討する。
既存のエンコーダデコーダでは、各メッセージビットが画像のごく一部を占める。
SpreadMarkは、各ビットを画像全体に密度の高い擬似ランダムコードワードとして展開し、学習した隠蔽チップ表現にマッチしたフィルタリングによってそれを復元する。
論文 参考訳（メタデータ） (2026-08-04T05:52:17Z) - "Training robust watermarking model may hurt authentication!'' Exploring and Mitigating the Identity Leakage in Robust Watermarking [37.002160328787454]
W-IRは、ID保護と堅牢性を同時に組み込んだ最初の画像透かしフレームワークである。
私たちの仕事は、堅牢性とアイデンティティリークの緩和のバランスが優れている。
論文 参考訳（メタデータ） (2026-05-10T16:44:50Z) - CSGuard: Toward Forgery-Resistant Watermarking in Diffusion Models via Compressed Sensing Constraint [20.49818370567961]
遅延ベースの拡散モデルウォーターマーキングは、透かしを生成された画像の潜在空間に埋め込んで、コンテンツ属性を可能にする。
しかし、攻撃者は透かしを反転させて任意のプロンプトで再生成することにより、悪意のあるコンテンツに対する偽の帰属を可能にすることで、透かしを抽出することができる。
CSGuardは、圧縮されたセンシングを利用して、透かし画像の生成と検証を秘密行列に結合する最初の偽造抵抗型透かしスキーマである。
論文 参考訳（メタデータ） (2026-05-02T14:54:09Z) - SemBind: Binding Diffusion Watermarks to Semantics Against Black-Box Forgery Attacks [74.76909939060833]
ブラックボックスの偽造攻撃は、証明と信頼に非常に大きなリスクをもたらす。
ブラックボックス偽造に抵抗する潜伏型透かしのフレームワークであるSemBindを提案する。
我々は,SemBindが有効である抗偽造の変異が,ブラックボックス偽造の誤認を著しく減少させることを示した。
論文 参考訳（メタデータ） (2026-01-28T07:02:40Z) - 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) - TAG-WM: Tamper-Aware Generative Image Watermarking via Diffusion Inversion Sensitivity [76.98973481600002]
本稿では,TAG-WMと命名されたタンパ認識画像ウォーターマーキング手法を提案する。
提案手法は、4つのキーモジュールからなる: 生成品質を保ちつつ、著作権と局所化の透かしを潜伏空間に埋め込むためのデュアルマークジョイントサンプリング (DMJS) アルゴリズム。
実験結果から,TAG-WMは歪み下においても,改質性および局所化能力の両面において最先端性能を達成できることが示された。
論文 参考訳（メタデータ） (2025-06-30T03:14:07Z) - ScreenMark: Watermarking Arbitrary Visual Content on Screen [16.068813541247636]
ビジュアルスクリーンコンテンツ(VSC)は特に、スクリーンショットによる盗難やリークの影響を受けやすい。
任意のVSC保護のために設計された,堅牢で実用的な透かし手法であるScreenMarkを提案する。
ScreenMarkの有効性を検証するために、さまざまなデバイスや解像度から10万のスクリーンショットからなるデータセットをコンパイルした。
論文 参考訳（メタデータ） (2024-09-05T12:52:24Z) - 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) - DiffusionShield: A Watermark for Copyright Protection against Generative Diffusion Models [41.81697529657049]
生成拡散モデル(GDM)に適した新しい透かし方式DiffusionShieldを導入する。
DiffusionShieldは、所有権情報を認識不能な透かしにエンコードし、画像に注入することで、GDMによる著作権侵害から画像を保護する。
透かしの均一性と共同最適化法により、DiffusionShieldは元の画像の歪みを低くする。
論文 参考訳（メタデータ） (2023-05-25T11:59:28Z) - 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)
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。