論文の概要: On the Information-Theoretic Limits of Latent-Space Watermarking Through Pretrained Generators

• arxiv url: http://arxiv.org/abs/2609.24377v1
• Date: Mon, 21 Sep 2026 10:10:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.252167
• Title: On the Information-Theoretic Limits of Latent-Space Watermarking Through Pretrained Generators
• Title（参考訳）: 予混合発電機による潜時空間透かしの情報理論限界について
• Abstract要約: 本研究では, 予め訓練した発電機による潜時空間透かしを, エンコーダと呼ばれる所定の潜時空間マッピングを用いて検討する。 透かしはメッセージとシークレットセマンティックキーを使用して潜時入力を選択する。 敵は、放出されたサンプルを再生して、埋め込みされた透かしを減衰または破壊しながら、同じ基盤となる内容を新たに実現することができる。
• 参考スコア（独自算出の注目度）: 6.566615606042995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study latent-space watermarking through a pretrained generator using a prescribed latent-to-output stochastic mapping, called the renderer. A watermark encoder selects the latent input using a message and secret key. For every message and semantic context, the released output must have exactly the desired conditional output distribution. For finite alphabets, we derive rate--key inner and outer bounds and characterize the coding and coordination requirements for realizing watermark communication through the prescribed latent interface. When the target output distribution of the generator uniquely determines the corresponding latent input distribution through the renderer, a strengthened converse yields the capacity region; the same region governs explicit preservation of the pretrained latent distribution. We extend the analysis to general jointly Gaussian models and identify a sufficient statistic of the latent that captures both the watermark-bearing information available at the generated output and the latent coordination required to preserve its target distribution. For the vector Gaussian model, we further characterize the optimal allocation of the secret-key resource across the resulting modes. Finally, we turn to an emerging robustness threat that is particularly natural in generative watermarking: an adversary can regenerate the released sample to obtain a fresh realization of the same underlying content while attenuating or destroying the embedded watermark. We incorporate this robustness axis into our framework and characterize the one-pass compound capacity of the scalar Gaussian model when the semantic context is known to the encoder but hidden from the detector, while the regeneration attack may depend on that context. Extending the analysis to multiple rounds of repeated canonical regeneration, we characterize the resulting watermark-capacity decay.
• Abstract（参考訳）: 本研究では,レンダラー (レンダラー) と呼ばれる所定の遅延から出力までの確率写像を用いて, 予め訓練した発電機による潜時空間の透かしについて検討する。 透かしエンコーダは、メッセージとシークレットキーを用いて潜時入力を選択する。 すべてのメッセージとセマンティックコンテキストに対して、解放された出力は、正確に所望の条件付き出力分布を持つ必要がある。 有限アルファベットに対して、レートキー内界と外界を導出し、所定の潜在インタフェースを通して透かし通信を実現するための符号化と調整の要求を特徴付ける。 発生器の目標出力分布がレンダラを介して対応する潜時入力分布を一意に決定すると、強化された逆はキャパシティ領域を出力し、同じ領域は予め訓練された潜時分布の明示的な保存を規定する。 解析を一般のガウスモデルに拡張し,生成した出力で利用可能な透かしを含む情報と,目標分布の保存に必要な潜水調整の両方をキャプチャする潜水器の十分な統計量を同定する。 ベクトルガウスモデルでは、結果のモードにまたがる秘密鍵資源の最適割り当てをさらに特徴付ける。 最後に、我々は、生成的な透かしにおいて特に自然に発生するロバスト性脅威に目を向ける: 敵は、解放されたサンプルを再生して、埋め込みされた透かしを減衰または破壊しながら、同じ基盤となるコンテンツの新鮮な実現を得ることができる。 我々は、このロバスト性軸を我々のフレームワークに組み込んで、意味的文脈がエンコーダに知られているが検出器から隠されている場合、スカラーガウスモデルの1パス複合容量を特徴付け、再生攻撃はその文脈に依存する可能性がある。 解析を複数回繰り返した正準再生に拡張し,結果の透かし-容量崩壊を特徴付ける。

関連論文リスト

• Optimal Watermark Localization in Mixed-Source Large Language Model Texts [41.92651100461471]
  ウォーターマーキングは、大きな言語モデル(LLM)によって生成されるテキストを認証する原則的な方法を提供する。 実際には、最終文は混ざり合っており、透かしの証拠は書き直し、挿入、削除、またはパラフレージングの後にトークンの位置のサブセットにしか残っていない。 我々は,各位置における透かし依存が残存するかどうかを示す潜在指標を用いて,座標統計に基づくトークンレベルの多重検定問題として局所化を定式化する。
  論文  参考訳（メタデータ） (2026-08-14T21:41:50Z)
• AURORA-LM: Autoencoding Unified Representation for Continuous-Latent Diffusion Language Modeling [60.04959047453115]
  AURORA-LMは、デオード可能なテキスト表現の構築と、その分布のモデル化を分離した連続ラテント言語モデルである。 AURORA-LM は OpenWebText のフリージェネレーションと XSum の要約で評価された連続および拡散に基づく言語モデルの中で最も高い性能を達成している。
  論文  参考訳（メタデータ） (2026-08-03T17:59:50Z)
• Dynamics-Level Watermarking of Flow Matching Models with Random Codes [0.0]
  生成モデルの透かしに対するダイナミックスレベルのアプローチを導入する。 学習した連続力学に直接透かしを埋め込む。 トレーニング中にキー依存の摂動が追加され、ブラックボックスクエリから検出時にメッセージが復元される。
  論文  参考訳（メタデータ） (2026-05-15T17:48:22Z)
• 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)
• Invariant Representations via Wasserstein Correlation Maximization [0.6554326244334866]
  本研究では、教師なし表現学習におけるワッサースタイン相関の活用について検討する。 入力と分布の相関を最大化するために訓練された(オート)エンコーダが代わりに圧縮機として機能することがわかった。 また、最適輸送に基づく依存度測定のための様々な理論的結果も確立する。
  論文  参考訳（メタデータ） (2025-05-16T21:11:51Z)
• TriniMark: A Robust Generative Speech Watermarking Method for Trinity-Level Attribution [3.1682080884953736]
  本稿では,生成したコンテンツを認証するための生成的textbfspeech wattextbfermarking法(TriniMark)を提案する。 まず、音声の時間領域特徴に透かしを埋め込む構造軽量透かしエンコーダを設計する。 ビットワイドウォーターマーク回復のためのウォーターマーク復号器において、時間対応ゲート畳み込みネットワークを巧みに設計する。
  論文  参考訳（メタデータ） (2025-04-29T08:23:28Z)
• 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)
• Transferable Watermarking to Self-supervised Pre-trained Graph Encoders by Trigger Embeddings [43.067822791795095]
  Graph Self-supervised Learning (GSSL)は、基礎グラフエンコーダの事前トレーニングを可能にする。 このようなエンコーダは簡単にプルインできるので、著作権侵害に弱い。 我々はGSSL設定でグラフエンコーダを保護する新しい透かしフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-06-19T03:16:11Z)
• A Resilient and Accessible Distribution-Preserving Watermark for Large Language Models [65.40460716619772]
  本研究は,textbfDistribution-textbf Preserving (DiP)ウォーターマークの重要性に焦点をあてる。 現在の戦略とは対照的に,提案したDiPmarkは透かし中に元のトークン分布を同時に保存する。 言語モデルAPIにアクセスせずに検出可能で(アクセス可能)、トークンの適度な変更に対して確実に堅牢である。
  論文  参考訳（メタデータ） (2023-10-11T17:57:35Z)
• Self-Conditioned Generative Adversarial Networks for Image Editing [61.50205580051405]
  Generative Adversarial Networks (GAN) はバイアスの影響を受けやすい。 我々は、このバイアスが公平性だけでなく、分布のコアから逸脱する際の潜在トラバース編集手法の崩壊に重要な役割を果たしていると論じる。
  論文  参考訳（メタデータ） (2022-02-08T18:08:24Z)

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。