論文の概要: Forging Tree-Ring: Reproducing and Instrumenting Black-Box Semantic Watermark Forgery

• arxiv url: http://arxiv.org/abs/2609.12909v1
• Date: Fri, 11 Sep 2026 14:35:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.779428
• Title: Forging Tree-Ring: Reproducing and Instrumenting Black-Box Semantic Watermark Forgery
• Title（参考訳）: Forging Tree-Ring:Black-Boxセマンティックウォーターマーク偽造の再現と計測
• Abstract要約: 我々は,安定拡散XL上のツリーリングに対するMllerらによるReprompt forgery攻撃を再現する。 実画像6/6、クリーン画像0/6、偽画像5/6を1回の攻撃で325-332秒で検出する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic watermarking schemes such as Tree-Ring hide a detectable pattern in the initial noise latent of a diffusion model. Recent work shows these watermarks are not only removable but forgeable: an attacker who never sees the watermarking key can still produce images the genuine detector accepts. We reproduce the Reprompt forgery attack of Müller et al. against Tree-Ring on Stable Diffusion XL, using the authors' released code, on free-tier dual T4 GPUs with 14.6 GB of usable memory per device, substantially less per-GPU memory than the A40 hardware used in the original study. The attack reproduces. Over six trials of three arms we detect genuine images 6/6, clean images 0/6, and forged images 5/6, at 325-332 s per attack. Three further results came out of running it under constraint. The released detector computes a non-central $χ^2$ statistic and hands back only its CDF, so we recovered the discarded statistic; our recovery matches the released detector exactly, and two natural scores built from it separate the forged arm from the clean null at AUC 0.861 and 0.972 on the same eighteen observations. Running SDXL in half precision requires patching the pipeline's direct autoencoder calls, and a controlled probe confirms the patched path leaves the detector statistic unchanged. Finally, we report a prediction we made from reading the detector source that our measurements then contradicted. The notebook, the pinned fork and every measurement artifact are released with the paper.
• Abstract（参考訳）: ツリーリングのような意味的な透かしスキームは拡散モデルの初期雑音潜時において検出可能なパターンを隠蔽する。 最近の研究は、これらの透かしは取り外せるだけでなく、偽造できることを示している。 我々は,Müllerらによる,安定拡散XL上のツリーリングに対するReprompt forgery攻撃を,著者がリリースしたコードを用いて,デバイスあたり14.6GBのメモリを持つ自由層デュアルT4 GPU上で再現する。 攻撃は再現される。 本物の画像は6/6、きれいな画像は0/6、偽造画像は5/6、1回の攻撃で325-332秒。 さらに3つの結果が,制約の下で実行された。 放出された検出器は、非中央の99ドル^2$の統計データを計算し、CDFのみを返却するので、廃棄された統計データを復元し、回収された検出器と正確に一致し、得られた2つの自然なスコアは、AUC 0.861と0.972のクリーンヌルから分離する。 SDXLを半精度で実行するには、パイプラインの直接オートエンコーダコールをパッチする必要がある。 最後に、検出源を読み取ることによって得られた予測を報告し、その測定結果が矛盾したことを報告した。 紙でノート、ピン留めフォーク、あらゆる測定アーティファクトを放出する。

関連論文リスト

• Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
  私たちは検出器を構築し、その証拠として属性マップを添付します。 私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。 属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
  論文  参考訳（メタデータ） (2026-07-31T16:07:05Z)
• The Watermark Shortcut: How Provenance Marking Sabotages Audio Deepfake Detection [5.288260916272508]
  プロヴァンス・ウォーターマーキングは、合成音声のセーフガードとして扱われることが多い。 合成音声が透かしであり、人間の発話がそうでないとき、ウォーターマークにラッチを付けて訓練された検出器は、刺激的な「マークフェイク」ショートカットである。 両クラスにおける透かしによる再トレーニングは,それと相関し,クリーンな振る舞いを復元することを示す。
  論文  参考訳（メタデータ） (2026-06-22T13:42:31Z)
• Retrying vs Resampling in AI Control [0.42970700836450476]
  我々は、AI制御の観点から再試行を行い、モデルが潜在的に敵対的なものとして扱う。 再試行は正直な疑念のスコアを減少させるが、信頼できないモデルは監視の合理性を利用してスニーカー攻撃を構築することができる。
  論文  参考訳（メタデータ） (2026-05-25T17:10:41Z)
• Watermarking and Anomaly Detection in Machine Learning Models for LORA RF Fingerprinting [0.0]
  本稿では,疑わしい入力を見つけるために,所有権証明のための透かしと異常検出を併用したより強力なRFFIシステムを提案する。 LoRaデータセットでは、94.6%の精度、98%の透かし成功、0.94のAUROCを達成し、検証可能な改ざん防止認証を提供する。
  論文  参考訳（メタデータ） (2025-09-18T17:21:33Z)
• 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)
• 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)
• Towards Robust Model Watermark via Reducing Parametric Vulnerability [57.66709830576457]
  バックドアベースのオーナシップ検証が最近人気となり,モデルオーナがモデルをウォーターマークすることが可能になった。 本研究では,これらの透かし除去モデルを発見し,それらの透かし挙動を復元するミニマックス定式化を提案する。 本手法は,パラメトリックな変化と多数のウォーターマーク除去攻撃に対するモデル透かしの堅牢性を向上させる。
  論文  参考訳（メタデータ） (2023-09-09T12:46:08Z)
• An Unforgeable Publicly Verifiable Watermark for Large Language Models [84.2805275589553]
  現在の透かし検出アルゴリズムは、透かし生成プロセスで使用される秘密鍵を必要としており、公開検出中にセキュリティ違反や偽造の影響を受ける。 両段階で同じキーを使用するのではなく、2つの異なるニューラルネットワークを用いて透かしの生成と検出を行う。
  論文  参考訳（メタデータ） (2023-07-30T13:43:27Z)
• Tree-Ring Watermarks: Fingerprints for Diffusion Images that are Invisible and Robust [55.91987293510401]
  生成モデルのアウトプットを透かしは、著作権をトレースし、AI生成コンテンツによる潜在的な害を防ぐ重要なテクニックである。 本稿では,拡散モデル出力を頑健にフィンガープリントするTree-Ring Watermarkingという新しい手法を提案する。 私たちの透かしは画像空間に意味的に隠れており、現在デプロイされている透かしよりもはるかに堅牢です。
  論文  参考訳（メタデータ） (2023-05-31T17:00:31Z)

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。