論文の概要: Residual Transferability in Neural Image Watermarking

• arxiv url: http://arxiv.org/abs/2609.32241v1
• Date: Sat, 26 Sep 2026 04:59:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 18:33:20.974733
• Title: Residual Transferability in Neural Image Watermarking
• Title（参考訳）: ニューラル画像透かしにおける残差伝達性
• Abstract要約: ニューラル画像透かしは、解放された画像から透かしを抽出し、無関係な内容に転送することで偽造することができる。 この脆弱性をtextbfresidual transferability (RT) で定式化する。 カバー画像上の透かし証拠の依存を強くする2つのメカニズムを同定し,残余の伝達性を抑制する。
• 参考スコア（独自算出の注目度）: 52.537481381757914
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural image watermarks can be forged by extracting watermark-bearing residuals from released images and transferring them to unrelated content. While prior work has demonstrated this vulnerability, what makes these residuals transferable remains poorly understood. We formalize this vulnerability with \textbf{residual transferability (RT)}, a metric that quantifies how well watermark evidence remains decodable after transfer across unrelated images. Through comparative analyses and controlled interventions, we find that common training-side variations do not account for the large RT differences across watermarking systems; instead, architectural design plays a central role. By contrasting high- and low-RT systems and validating their architectural differences through controlled interventions, we identify two mechanisms that strengthen the dependence of watermark evidence on the cover image, thereby suppressing the residual transferability. These findings provide concrete design guidance for developing more forgery-resistant watermarking architectures. Complementarily, for existing watermarking systems where architectural redesign is impractical, we introduce \textbf{CoverLock}, a plug-and-play strategy for existing watermarking systems that strengthens such image dependence without architectural redesign. Across representative watermarking systems exhibiting high residual transferability, CoverLock achieves a more favorable security--robustness trade-off than both traditional handcrafted defenses and learned classifier-based defenses.
• Abstract（参考訳）: ニューラル画像透かしは、解放された画像から透かしを抽出し、無関係な内容に転送することで偽造することができる。 以前の研究でこの脆弱性が証明されているが、これらの残留物が転送可能であることはいまだに理解されていない。 我々は,この脆弱性を,無関係な画像の転送後に,透かしの証拠がどの程度デオード可能かを測定する指標であるtextbf{residual transferability (RT)} で定式化する。 比較分析と制御介入により、一般的なトレーニング側のバリエーションは、透かしシステム間でのRTの大きな違いを考慮せず、アーキテクチャ設計が中心的な役割を担っていることがわかった。 高低RTシステムと高低RTシステムとの対比と制御介入によるアーキテクチャ的差異の検証により,透かし証拠の表紙画像への依存性を強くする2つのメカニズムを同定し,残差の伝達性を抑制する。 これらの知見は、より偽造耐性の透かしアーキテクチャを開発するための具体的な設計指針を提供する。 アーキテクチャの再設計が不可能な既存の透かしシステムに対しては,既存の透かしシステムのプラグアンドプレイ戦略である‘textbf{CoverLock} を導入する。 残留性が高い代表的透かしシステム全体にわたって、CoverLockは従来の手作りの防御や学習された分類器ベースの防御よりも、より良好なセキュリティ-腐食性トレードオフを実現している。

関連論文リスト

• ResGuard: Enhancing Robustness Against Known Original Attacks in Deep Watermarking [42.919499074624895]
  ディープラーニングベースのイメージ透かしでは、堅牢性を改善するために"Encoder-Noise Layer-Decoder"(END)アーキテクチャが一般的である。 敵が複数のオリジナルウォーターマークされたイメージペアにアクセス可能なKOA(Known Original Attack)。 簡単な残差除去アプローチ、すなわち、既知のペアからの埋め込み残差を推定し、目に見えない透かし画像から取り除くことで、ほぼ完全に透かしを除去できることを示す。
  論文  参考訳（メタデータ） (2026-04-04T11:45:48Z)
• Editing Away the Evidence: Diffusion-Based Image Manipulation and the Failure Modes of Robust Watermarking [0.3644540605358075]
  拡散ベースの画像編集はノイズを注入し、強力な生成前処理を通じて画像を再構成する。 非対向拡散編集は無意識に劣化したり、頑健な透かしを除去できることを示す。 結果は、定期的なセマンティック編集でさえ、透かしの復元可能性を大幅に低下させることを示している。
  論文  参考訳（メタデータ） (2026-03-13T12:46:27Z)
• RecoverMark: Robust Watermarking for Localization and Recovery of Manipulated Faces [16.612226216769262]
  本稿では,ロバストな操作ローカライゼーション,コンテンツリカバリ,オーナシップ検証を同時に実現する透かしフレームワークであるRecoverMarkを提案する。 まず、視覚的な検出を避けるために、敵は背景のセマンティックな一貫性を保たなければならない。 これらの洞察に基づいて、RecoverMarkは保護された顔コンテンツ自体を透かしとして扱い、周囲の背景に埋め込む。
  論文  参考訳（メタデータ） (2026-02-24T07:11:40Z)
• 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)
• Diffusion-Based Image Editing for Breaking Robust Watermarks [4.273350357872755]
  強力な拡散ベースの画像生成と編集技術は、堅牢なウォーターマーキングスキームに新たな脅威をもたらす。 拡散駆動型画像再生プロセスでは,画像内容の保存中に埋め込み透かしを消去できることを示す。 生成中の透かし信号に特異的な誘導拡散攻撃を導入し,透かし検出性を著しく低下させた。
  論文  参考訳（メタデータ） (2025-10-07T14:34:42Z)
• 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)
• Bridging Knowledge Gap Between Image Inpainting and Large-Area Visible Watermark Removal [57.84348166457113]
  本稿では,事前学習した画像の塗装モデルの表現能力を活用する新しい特徴適応フレームワークを提案する。 本手法は, 透かしの残像の残像を塗布バックボーンモデルに流し込むことにより, 透かしと透かし除去の知識ギャップを埋めるものである。 高品質な透かしマスクへの依存を緩和するために,粗い透かしマスクを用いて推論プロセスを導出する新たな訓練パラダイムを導入する。
  論文  参考訳（メタデータ） (2025-04-07T02:37:14Z)
• WMFormer++: Nested Transformer for Visible Watermark Removal via Implict Joint Learning [68.00975867932331]
  既存の透かし除去法は主にタスク固有のデコーダブランチを持つUNetに依存している。 両分野の情報を包括的に統合するために,暗黙的な共同学習パラダイムを導入する。 その結果、既存の最先端手法をはるかに上回る、我々のアプローチの顕著な優位性を示した。
  論文  参考訳（メタデータ） (2023-08-20T07:56:34Z)
• 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。