論文の概要: A Locally Tokenized Generative Model for Robust Time-Series Watermarking

• arxiv url: http://arxiv.org/abs/2608.19727v1
• Date: Thu, 20 Aug 2026 07:25:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.482301
• Title: A Locally Tokenized Generative Model for Robust Time-Series Watermarking
• Title（参考訳）: ロバストな時系列透かしのための局所的Tokenized Generative Model
• Abstract要約: 我々は,グローバルに結合した再符号化に依存する既存の検出器が,後処理攻撃によるヌル分布の双方向ドリフトに悩まされていることを示す。 本稿では,各離散トークンを短い連続したウィンドウから生成する生成モデルであるL-VQVAEと,このトークン空間上の透かし手法であるLVQMarkを提案する。
• 参考スコア（独自算出の注目度）: 12.477366787279747
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Watermarking is a central tool for provenance in generative models, yet its application to multivariate time series remains hindered by reliability failures under post-editing attacks. We show that existing detectors, which rely on globally coupled re-encoding, suffer from bidirectional drift of the null distribution: post-editing attacks can shift the z-score of non-watermarked samples in either direction, invalidating clean-calibrated thresholds. We argue that this instability is a property of the re-encoding, and that reliable detection requires each recovered unit to depend only on a bounded temporal neighborhood. Guided by this principle, we propose L-VQVAE, a generative model in which each discrete token is produced from a short contiguous window, and LVQMark, a watermarking method over this token space that combines logit-bias injection with robust re-encoding for attack-time detection. Experiments on four benchmarks spanning finance, energy, and neuroimaging show that our approach preserves generation quality while stabilizing both detection power and false-positive behavior under post-editing attacks.
• Abstract（参考訳）: ウォーターマーキングは、生成モデルにおける証明のための中心的なツールであるが、その多変量時系列への応用は、後処理攻撃による信頼性障害によって妨げられている。 我々は,グローバルに結合された再符号化に依存する既存の検出器が,ヌル分布の双方向ドリフトに悩まされていることを示す。 我々は、この不安定性は再符号化の特性であり、信頼性の高い検出には各回収単位が有界時間近傍のみに依存する必要があると論じる。 この原理で導かれたL-VQVAEは、各離散トークンを短い連続したウィンドウから生成する生成モデルであり、LVQMarkはロジトバイアス注入と堅牢な再符号化を併用して攻撃時検出を行う。 ファイナンス,エネルギ,ニューロイメージングにまたがる4つのベンチマーク実験により,我々のアプローチは生成品質を保ちつつ,検出力と偽陽性行動の両方を後処理攻撃下で安定化させることを示した。

関連論文リスト

• PURA: Provably Unbiased and Robust Multi-Bit Watermarking for AI-Generated Text Attribution [83.66032773976904]
  PURAは、テキスト属性に対する不偏で頑健なマルチビット透かし方式である。 PURAはトークンの確率を直接摂動するのではなく、鍵付き逆変換サンプリングによって潜在サンプリング空間にペイロードを埋め込む。 PURAは、高負荷体制において、既存の非バイアスベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2026-08-23T04:44:27Z)
• Tracing Provenance and Detecting Tampering with Complementary LLM Watermarks [68.64050157343334]
  既存の透かしは編集の際は残されているが、このような堅牢性は、敵が帰属を維持しながら重要な内容を変更することを可能にする。 実証と改ざんの証拠を共同で提供する革新的な透かしを導入する。 信号は同じメカニズムを共有するが、独立キーと正規化テキスト上の異なるシードウィンドウを使用するため、一方は編集に耐性があり、もう一方は読み取り可能な変更に敏感である。
  論文  参考訳（メタデータ） (2026-08-13T01:55:16Z)
• TimeMark: A Trustworthy Time Watermarking Framework for Exact Generation-Time Recovery from AIGC [11.080088516048093]
  我々は司法証拠として使える信頼できる透かしを提案する。 我々のフレームワークは暗号技術を統合し、時刻情報を時間依存秘密鍵にエンコードする。
  論文  参考訳（メタデータ） (2026-04-14T02:51:14Z)
• LEFT: Learnable Fusion of Tri-view Tokens for Unsupervised Time Series Anomaly Detection [53.191369031661885]
  教師なし時系列異常検出は、アノテーションの可用性を前提とせず、異常なタイムスタンプを識別するモデルを構築することを目的としている。 本稿では,非教師付きTSADフレームワークであるLearnable Fusion of Tri-view Tokens(LEFT)について述べる。 実世界のベンチマーク実験では、LEFTはSOTAベースラインに対して最高の検出精度を示し、FLOPの5倍、トレーニングの8倍のスピードアップを実現している。
  論文  参考訳（メタデータ） (2026-02-09T13:33:49Z)
• Optimal Detection for Language Watermarks with Pseudorandom Collision [28.84134119819056]
  階層的な2層分割によって構造を捉える統計的枠組みを導入する。 その中核は最小単位の概念であり、単位間の独立として扱うことができる最小の群は、単位内部への依存を許容する。 Gumbel-maxおよび逆変換透かしの適用により、我々のフレームワークはクローズドフォーム最適規則を生成する。
  論文  参考訳（メタデータ） (2025-10-24T20:21:52Z)
• Unsupervised Detection of Spatiotemporal Anomalies in PMU Data Using Transformer-Based BiGAN [0.0]
  T-BiGANは、双方向生成逆数ネットワーク(BiGAN)内でウィンドウアテンション変換を行うフレームワークである。 エンコーダデコーダはアーキテクチャをキャプチャし、識別器はサイクル整合性を適用して遅延空間を真のデータ分布と整合させる。 異常は、再構成誤差、潜時空間ドリフト、判別器の信頼性を組み合わせた適応スコアを用いてリアルタイムでフラグ付けされる。
  論文  参考訳（メタデータ） (2025-09-30T00:16:35Z)
• An Ensemble Framework for Unbiased Language Model Watermarking [60.99969104552168]
  本研究では,アンサンブル・フレームワークであるENSを提案する。 ENSは複数の独立した透かしインスタンスを順次構成し、それぞれ異なるキーによって管理され、透かし信号を増幅する。 実験的な評価では、ENSは信頼できる検出に必要なトークンの数を大幅に減らし、平滑化やパラフレージング攻撃に対する耐性を高めている。
  論文  参考訳（メタデータ） (2025-09-28T19:37:44Z)
• StableGuard: Towards Unified Copyright Protection and Tamper Localization in Latent Diffusion Models [55.05404953041403]
  拡散生成プロセスにバイナリ透かしをシームレスに統合する新しいフレームワークを提案する。 画像の忠実さ、透かしの検証、ローカライゼーションの改ざんにおいて、StableGuardは一貫して最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-09-22T16:35:19Z)
• Watermarking Degrades Alignment in Language Models: Analysis and Mitigation [8.866121740748447]
  本稿では,Gumbel と KGW の2つの一般的な透かし手法が真理性,安全性,有用性にどのように影響するかを体系的に分析する。 本稿では,外部報酬モデルを用いてアライメントを復元する推論時間サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2025-06-04T21:29:07Z)
• 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。