論文の概要: Optimizing and Securing the Modern Watermarking Channel for Images

• arxiv url: http://arxiv.org/abs/2609.34744v1
• Date: Mon, 28 Sep 2026 09:37:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 03:12:00.314238
• Title: Optimizing and Securing the Modern Watermarking Channel for Images
• Title（参考訳）: 画像のための最新の透かしチャネルの最適化と確保
• Abstract要約: 本稿では,エンコーダ/デコーダペアの出力の統計的解析を基礎とした,現代的なポストホックな透かし方式の理論モデルを提案する。 これらのディープニューラルネットワークは,BPSK変調を用いてメッセージを送信することで,並列AWGNチャネルとしてモデル化された透かしチャネルを暗黙的に定義することを示す。 復号器の出力の統計モデルに基づいて秘密鍵を推定する可能性にリンクすることで、ポストホック方式のセキュリティを正確にマーキングする。
• 参考スコア（独自算出の注目度）: 3.294420397461204
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To comply with recent regulations requiring traceable generated content, modern watermarking has adopted multi-bit post-hoc watermarking schemes. These modern designs rest on an encoder-decoder pair implemented as deep neural networks. These models are usually treated as pure black-boxes trained end-to-end, with the noise of the watermarking channel modeled through a fixed set of geometric and valuemetric transforms applied to watermarked images. We argue that this purely empirical approach leads to unquestioned design flaws and a lack of theoretical performance guarantees. This work proposes a general theoretical model of modern post-hoc watermarking schemes grounded in a statistical analysis of the outputs of the encoder/decoder pair. We show that these deep neural networks implicitly define a watermarking channel modeled as parallel AWGN channels, with messages transmitted using BPSK modulation. This imposes a binary alphabet, greatly limiting the capacity of these watermarking systems. Another fatal flaw is their lack of a secret key, making them intrinsically insecure. We make this notion of watermarking security precise for post-hoc schemes by linking it to the possibility of estimating the secret key under a given statistical model of the decoder's output. By putting together the results from this theoretical analysis, we introduce SNW: a novel post-hoc watermarking system that significantly outperforms existing state-of-the-art baselines in terms of capacity while also providing strong security guarantees. Notably, it does not depend on a fixed codebook or binary alphabet, allowing it to reach a rate close to Shannon capacity through the use of capacity-achieving error-correcting codes.
• Abstract（参考訳）: トレーサブルな生成コンテンツを必要とする最近の規制に従うため、現代の透かしはマルチビットポストホット透かし方式を採用している。 これらの現代的な設計はディープニューラルネットワークとして実装されたエンコーダとデコーダのペアに依存している。 これらのモデルは、通常、純ブラックボックスで訓練されたエンドツーエンドとして扱われ、透かしチャネルのノイズは、透かし画像に適用された幾何および値測定変換の固定セットを通してモデル化される。 この純粋に実証的なアプローチは、疑わしい設計上の欠陥と理論的性能保証の欠如につながると我々は主張する。 本研究では,エンコーダ/デコーダペアの出力の統計的解析を基礎とした,現代的なポストホックな透かし方式の一般的な理論的モデルを提案する。 これらのディープニューラルネットワークは,BPSK変調を用いてメッセージを送信することで,並列AWGNチャネルとしてモデル化された透かしチャネルを暗黙的に定義することを示す。 これは二進アルファベットを課し、これらの透かしシステムの容量を大幅に制限する。 もう一つの致命的な欠陥は、秘密鍵がないことだ。 復号器の出力の統計モデルに基づいて秘密鍵を推定する可能性にリンクすることで、ポストホック方式のセキュリティを正確にマーキングする。 この理論分析の結果をまとめて、SNWは、既存の最先端のベースラインを大幅に上回り、強力なセキュリティ保証を提供する新しいポストホック透かしシステムである。 特に、固定されたコードブックやバイナリアルファベットに依存しないため、キャパシティによるエラー訂正コードを使用することで、シャノンのキャパシティに近いレートに到達することができる。

関連論文リスト

• Gaussian Shannon: High-Precision Diffusion Model Watermarking Based on Communication [4.347817782863135]
  拡散モデルは高品質な画像を生成するが、著作権侵害や偽情報といった重大なリスクをもたらす。 本稿では,拡散過程をノイズの多い通信チャネルとして扱う透かしフレームワークを提案する。 提案手法は, 微調整や品質損失を伴わずに初期ガウス雑音に透かしを埋め込む。
  論文  参考訳（メタデータ） (2026-03-27T08:34:53Z)
• Watermarking Autoregressive Image Generation [4.335447827531541]
  生成モデルのアウトプットを透かしは、その成果を追跡するための有望なアプローチとして現れている。 この設定に言語モデルウォーターマーキング手法を適用することで、このようなアプローチを初めて提示する。 実験により,理論的なp値を用いた確実かつ堅牢な透かし検出が可能となった。
  論文  参考訳（メタデータ） (2025-06-19T14:25:51Z)
• 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)
• 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)
• 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)
• Reversible Watermarking in Deep Convolutional Neural Networks for Integrity Authentication [78.165255859254]
  整合性認証のための可逆透かしアルゴリズムを提案する。 可逆透かしを埋め込むことが分類性能に及ぼす影響は0.5%未満である。 同時に、可逆的な透かしを適用することでモデルの完全性を検証することができる。
  論文  参考訳（メタデータ） (2021-04-09T09:32:21Z)

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。