論文の概要: One Prompt Is Enough: Watermark Laundering Through Foundation Image Models

• arxiv url: http://arxiv.org/abs/2609.01249v1
• Date: Tue, 01 Sep 2026 13:46:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.692617
• Title: One Prompt Is Enough: Watermark Laundering Through Foundation Image Models
• Title（参考訳）: 基礎画像モデルによるウォーターマークの洗浄
• Authors: Jidong Yang, Qi Li, Wei Zong, Yang-Wai Chow, Willy Susilo, Huaike Yu, Chunpeng Wang, Suo Gao,
• Abstract要約: 攻撃者は、単一の再構成プロンプトで透かし画像を送信し、見えない透かしを確実に復号できない、視覚的に忠実な出力を得ることができる。 我々は、この障害モードをウォーターマーク洗浄として形式化し、ビット誤り率(BER)と視覚的および意味的保存を組み合わせた共同ペイロード忠実度プロファイルを用いて評価する。 一方、Nano Banana 2は、DwtDctが高忠実度再構成の下で脆弱であることを示しています。
• 参考スコア（独自算出の注目度）: 25.347499950462524
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Invisible watermarks are typically evaluated against predefined perturbations such as compression, blur, noise, cropping, and denoising. Public foundation image models expose a distinct threat: an attacker can submit a watermarked image with a single reconstruction prompt and obtain a visually faithful output from which the invisible watermark can no longer be decoded reliably. We formalize this failure mode as watermark laundering and evaluate it using a joint payload-fidelity profile that combines bit error rate (BER) with visual and semantic preservation. Across six OpenAI and Google image editing models, three representative watermarking schemes, and 1,800 reconstructed outputs, we identify two complementary laundering regimes: OpenAI models produce the strongest payload disruption across the evaluated schemes, whereas Nano Banana 2 shows that DwtDct remains vulnerable under high-fidelity reconstruction. Prompt ablations show that no single removal-oriented instruction is necessary for payload disruption, indicating that the effect is primarily induced by the reconstruction pathway rather than by explicit attack wording. Comparisons with conventional attacks further show that prompt-conditioned reconstruction constitutes a distinct operational attack interface. These findings motivate foundation-model reconstruction as a missing robustness condition in invisible watermark evaluation.
• Abstract（参考訳）: 目に見えない透かしは通常、圧縮、ぼかし、騒音、刈り取り、デノイングといった事前定義された摂動に対して評価される。 攻撃者は、単一の再構成プロンプトで透かしを提出し、目に見えない透かしを確実に復号できない、視覚的に忠実な出力を得ることができる。 我々は、この障害モードをウォーターマーク洗浄として形式化し、ビット誤り率(BER)と視覚的および意味的保存を組み合わせた共同ペイロード忠実度プロファイルを用いて評価する。 6つのOpenAIとGoogleの画像編集モデル、3つの代表的な透かしスキーム、1,800個の再構成された出力のうち、OpenAIモデルは評価されたスキーム全体で最強のペイロード破壊を発生させるが、Nano Banana 2は、DwtDctは高忠実度再構築の下で脆弱であることを示している。 Prompt ablationsは、ペイロードディスラプションに単一削除指向の指示は必要ないことを示しており、この効果は明示的な攻撃ワードによってではなく、主に再構成経路によって引き起こされることを示している。 従来のアタックと比較すると、プロンプト条件による再構築が、別のオペレーショナルアタックインターフェースを構成することが示される。 これらの知見は, 目に見える透かし評価において, 基礎モデル再構築をロバスト性の欠如として動機づけた。

関連論文リスト

• On the Robustness of Watermarking for Autoregressive Image Generation [21.402408065930796]
  自己回帰(AR)画像生成装置は、モデル崩壊を防ぐために、出力の信頼性の高い検出と属性を要求する。 ARモデル用に特別に設計された透かし技術は、世代毎に微妙な信号を埋め込んで、下流の検証を可能にする。 これらのスキームを検証し,ウォーターマーク除去と偽造攻撃の両方に対する脆弱性を実証する。
  論文  参考訳（メタデータ） (2026-04-13T16:56:48Z)
• RAVEN: Erasing Invisible Watermarks via Novel View Synthesis [35.417500510522835]
  本研究では,透かし除去をビュー合成問題として再検討することにより,目に見えない透かしの根本的な脆弱性を明らかにする。 我々の重要な洞察は、視覚的忠実性を維持しながら、同じ意味的内容の知覚的に一貫した代替ビューを生成し、埋め込みされた透かしを自然に取り除くことである。 本稿では, 静止空間における制御幾何変換を適用したゼロショット拡散に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-13T18:59:58Z)
• Active Adversarial Noise Suppression for Image Forgery Localization [56.98050814363447]
  本稿では、敵騒音の攻撃効果を抑制するために、防御的摂動を発生させる敵騒音抑制モジュール(ANSM)を提案する。 我々の知る限りでは、画像フォージェリローカライゼーションタスクにおける敵対的防御の報告としてはこれが初めてである。
  論文  参考訳（メタデータ） (2025-06-15T14:53:27Z)
• Towards Dataset Copyright Evasion Attack against Personalized Text-to-Image Diffusion Models [52.877452505561706]
  データセットのオーナシップ検証(DOV)を損なうよう特別に設計された最初の著作権回避攻撃を提案する。 CEAT2Iは, 試料検出, トリガー同定, 効率的な透かし除去の3段階からなる。 実験の結果,CEAT2I はモデル性能を保ちながら DOV 機構を効果的に回避できることがわかった。
  論文  参考訳（メタデータ） (2025-05-05T17:51:55Z)
• Gaussian Shading++: Rethinking the Realistic Deployment Challenge of Performance-Lossless Image Watermark for Diffusion Models [66.54457339638004]
  著作権保護と不適切なコンテンツ生成は、拡散モデルの実装に課題をもたらす。 本研究では,実世界の展開に適した拡散モデル透かし手法を提案する。 Gaussian Shading++はパフォーマンスのロスレス性を維持するだけでなく、ロバスト性の観点からも既存のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2025-04-21T11:18:16Z)
• SEAL: Semantic Aware Image Watermarking [26.606008778795193]
  本稿では,生成した画像のセマンティック情報を透かしに直接埋め込む新しい透かし手法を提案する。 キーパターンは、局所性に敏感なハッシュを用いて画像のセマンティック埋め込みから推測することができる。 以上の結果から,画像生成モデルによるリスクを軽減できる可能性が示唆された。
  論文  参考訳（メタデータ） (2025-03-15T15:29:05Z)
• Safe and Robust Watermark Injection with a Single OoD Image [90.71804273115585]
  高性能なディープニューラルネットワークをトレーニングするには、大量のデータと計算リソースが必要である。 安全で堅牢なバックドア型透かし注入法を提案する。 我々は,透かし注入時のモデルパラメータのランダムな摂動を誘導し,一般的な透かし除去攻撃に対する防御を行う。
  論文  参考訳（メタデータ） (2023-09-04T19:58:35Z)
• Exploring Structure Consistency for Deep Model Watermarking [122.38456787761497]
  Deep Neural Network(DNN)の知的財産権(IP)は、代理モデルアタックによって簡単に盗まれる。 本稿では,新しい構造整合モデルウォーターマーキングアルゴリズムを設計した新しい透かし手法,すなわち構造整合性'を提案する。
  論文  参考訳（メタデータ） (2021-08-05T04:27:15Z)

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。