論文の概要: RemTraceNet: Few-Shot Forensic Detection of Invisible Watermark Attacks

• arxiv url: http://arxiv.org/abs/2609.31694v1
• Date: Fri, 18 Sep 2026 07:22:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 13:46:31.61498
• Title: RemTraceNet: Few-Shot Forensic Detection of Invisible Watermark Attacks
• Title（参考訳）: RemTraceNet:目に見えない透かし攻撃の法医学的検出
• Abstract要約: 本稿では,制約された残差,局所関係,FFT/Haar統計,およびネイティブ解像度におけるブロック-DCTエビデンスを融合するRemTraceNetを紹介する。 パイプライン当たり100回の攻撃訓練画像、TPR@1%FPR、攻撃に対するマクロ平均値、透かし構成は82.75%から88.17%である。 同じラベルとプロトコルの条件下では、RemTraceNetはSRNet、ZhuNet、SiaStegNetのベースラインを10.80～15.68ポイント上回っている。
• 参考スコア（独自算出の注目度）: 24.428832152874033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Removing an invisible watermark and concealing the forensic evidence are distinct objectives: successfully disrupting the embedded watermark does not imply that the removal process is forensically undetectable. When verification fails, removal traces can provide complementary evidence for provenance and ownership verification, whereas their absence leaves the cause of the failure ambiguous. Existing methods are typically evaluated by watermark suppression and perceptual quality, while forensic stealth is rarely considered. We therefore study watermark-attack-specific few-shot forensics: for each known pipeline, a specialist can separate its outputs from paired clean and unattacked watermarked controls. Separate Attack-vs-Clean and Attack-vs-Watermarked evaluations prevent watermark-presence shortcuts. Image-aligned and prompt-matched controls are used for post-hoc and generator-integrated schemes, respectively. In this work, we introduce RemTraceNet, which fuses constrained residuals, local relations, FFT/Haar statistics, and block-DCT evidence at native resolution. Across 23 removal pipelines and 10 watermark configurations, we evaluate native 256 x 256 and 512 x 512 inputs. With 100 attacked training images per pipeline, the three-seed TPR@1%FPR, macro-averaged over attacks and watermark configurations, ranges from 82.75% to 88.17% across resolutions and control types. Under the condition of same labels and protocol, RemTraceNet outperforms retrained SRNet, ZhuNet, and SiaStegNet baselines by 10.80--15.68 percentage points. Extensive experimental results show that erasing a watermark and erasing evidence of its removal are distinct challenges, and that removal traces remain learnable under limited supervision.
• Abstract（参考訳）: 目に見える透かしを除去し、法医学的な証拠を隠すことは、異なる目的である。 検証が失敗した場合、除去トレースは証明とオーナシップの検証を補完する証拠を提供するが、それらの欠如は失敗の原因を曖昧にしている。 既存の方法は通常、透かしの抑制と知覚品質によって評価されるが、法医学的なステルスはめったに考慮されない。 そこで我々は、透かし攻撃特異的な数発の鑑定を行い、各既知のパイプラインに対して、スペシャリストは、その出力をペア化されたクリーンとアンアタックされた透かし制御から切り離すことができる。 異なるアタック-vs-Cleanとアタック-vs-Watermarkedの評価は、ウォーターマーク-プレゼンスショートカットを防ぐ。 画像整列制御とプロンプト整合制御は、それぞれポストホックとジェネレータ統合スキームに使用される。 本研究では,制約された残差,局所関係,FFT/Haar統計,およびネイティブ解像度におけるブロック-DCTエビデンスを融合するRemTraceNetを紹介する。 23個の除去パイプラインと10個の透かし構成で、ネイティブ256 x 256および512 x 512入力を評価した。 パイプライン当たり100回の攻撃訓練画像、TPR@1%FPR、攻撃に対するマクロ平均値、透かし構成は82.75%から88.17%の範囲である。 同じラベルとプロトコルの条件下では、RemTraceNetはSRNet、ZhuNet、SiaStegNetのベースラインを10.80～15.68ポイント上回っている。 広範囲にわたる実験結果から, 透かしの消去と除去の証拠の消去は, 異なる課題であり, 除去痕跡は限定的な監督下で学習可能であることが示唆された。

関連論文リスト

• Disentangle and Drop: Robust Universal Removal of Image Watermarks via Reconstructive Grayscale Residual Decomposition [18.018245891278674]
  本研究では,透かし法に非依存な攻撃であるDistangle and Dropを提案し,透かし除去を表現経路問題として扱う。 DnDは、透かし画像をセマンティックグレースケールのキャリアと補助的な残留ブランチに分解し、その後、残留ブランチを抑圧して透かしの証拠を減らす。 7つの代表的なウォーターマークファミリーの実験では、1つの共有操作設定が、高い視覚的忠実度で競争的な除去をもたらすことが示されている。
  論文  参考訳（メタデータ） (2026-09-18T06:51:41Z)
• Removing the Watermark Is Not Enough: Forensic Stealth in Generative-AI Watermark Removal [5.339825757276247]
  現在の透かし除去攻撃は、この強い目的を達成できないことを示す。 4つの攻撃ファミリーにまたがる6つの最先端の除去装置のうち、独立した法医学的検出装置は、クリーン画像からの除去処理された出力を98%以上の真正の速度で区別する。 この信号は, 共通の後処理下で持続し, 特徴的な2相スペクトル変形を示し, 除去成功, 画像品質, 法医学ステルスの3方向張力が得られることを示す。
  論文  参考訳（メタデータ） (2026-05-09T22:45:48Z)
• 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)
• The Forensic Cost of Watermark Removal [4.2622842782060175]
  現在の透かし除去法は,攻撃成功率と知覚品質の2つの軸で評価されている。 最先端の攻撃は目に見える歪みを伴わずに透かし信号を分解することに成功したが、除去の試みを裏切る統計的な遺物を残している。 以上の結果から,透かし除去の必要条件として,法医学的ステルスネスが確立された。
  論文  参考訳（メタデータ） (2026-04-28T10:47:21Z)
• Mitigating Watermark Forgery in Generative Models via Randomized Key Selection [33.12939822735328]
  主要なセキュリティ脅威は、敵がプロバイダの透かしをコンテンツに挿入する偽造攻撃である。 既存の防御は、複数のキーを持つ多くの透かしを同じコンテンツに埋め込むことによって偽造に抵抗する。 本稿では,攻撃者が収集した透かし付きコンテンツの数に対して,確実に偽造に抵抗する防御法を提案する。
  論文  参考訳（メタデータ） (2025-07-10T15:52:32Z)
• 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)
• Robustness of AI-Image Detectors: Fundamental Limits and Practical Attacks [47.04650443491879]
  我々は、透かしやディープフェイク検出器を含む様々なAI画像検出器の堅牢性を分析する。 ウォーターマーキング手法は,攻撃者が実際の画像をウォーターマーキングとして識別することを目的としたスプーフ攻撃に対して脆弱であることを示す。
  論文  参考訳（メタデータ） (2023-09-29T18:30:29Z)
• WDNet: Watermark-Decomposition Network for Visible Watermark Removal [61.14614115654322]
  透かしのサイズ、形状、色、透明さの不確かさは、画像から画像への翻訳技術にとって大きな障壁となった。 従来の透かし画像分解を2段発電機(WDNet(Watermark-Decomposition Network))に組み合わせます。 分解製剤は、WDNetが単に削除するのではなく、画像から透かしを分離することができます。
  論文  参考訳（メタデータ） (2020-12-14T15:07:35Z)

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。