論文の概要: Protective Perturbations Must Survive the Resize: Scale-Robust Image Immunization against Malicious Editing

• arxiv url: http://arxiv.org/abs/2610.07464v3
• Date: Thu, 08 Oct 2026 23:54:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.172648
• Title: Protective Perturbations Must Survive the Resize: Scale-Robust Image Immunization against Malicious Editing
• Title（参考訳）: スケール・ロバスト画像免疫による悪意ある編集に対する保護的摂動
• Abstract要約: 筆者らは,エディタが使用可能なすべてのスケールで有効である保護機構であるSRIMを提案する。 SRIMは、写真サイズによって入力されるスケールの範囲をアンカースケールでカバーし、各最適化ステップを、保護が現在最も弱いスケールに費やす。
• 参考スコア（独自算出の注目度）: 39.88314262063822
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While instruction-guided editors built on diffusion transformers can turn a personal photo into a convincing forgery with a single sentence, protective perturbations aim to make such edits fail before the photo is ever shared. The threat is most acute for the photos people actually share, which have 10 megapixels or more and which current editors first downscale by a factor that the owner does not know. Existing protections are computed at one resolution or averaged over random scales, and they lose most of their effect once the photo is downscaled. They implicitly assume that the editor sees the scale for which they were optimized, or that protecting the average scale protects every scale. We propose SRIM, a protection that remains effective at every scale an editor may use, without knowing its preprocessing and at the same computational cost as standard expectation over transformation. SRIM covers the range of scales implied by the photo size with anchor scales and spends each optimization step on the scale where the protection is currently weakest. A spectral analysis shows that this worst-case protection degrades only logarithmically with the width of the range, a value that averaging over scales cannot reach. Extensive experiments on full-resolution photos and popular instruction-guided editors validate that SRIM gives the strongest protection, outperforming existing methods even with a quarter of their $\ell_\infty$ budget, remaining the strongest under input purification.
• Abstract（参考訳）: 拡散トランスフォーマーをベースとした指導誘導エディタは、個人写真を単一の文で説得力のある偽造にすることができるが、保護的摂動は、写真が共有される前にそのような編集を失敗させることを目指している。 この脅威は、人々が実際に共有している写真が10メガピクセル以上あり、現在の編集者が最初にダウンスケールしたのは、所有者が知らない要因だ。 既存の保護は1つの解像度で計算されるか、ランダムなスケールで平均化される。 彼らは、エディタが最適化されたスケールを見るか、平均的なスケールを保護することがすべてのスケールを保護すると暗黙的に仮定する。 SRIMは,エディタが使用するすべてのスケールにおいて,前処理を知らずに有効であり,変換に対する標準的な期待値と同じ計算コストで有効である。 SRIMは、写真サイズによって入力されるスケールの範囲をアンカースケールでカバーし、各最適化ステップを、保護が現在最も弱いスケールに費やす。 スペクトル分析により、この最悪のケースの保護は、範囲の幅と対数的にしか分解せず、平均的なスケールを超える値が到達できないことを示している。 フル解像度の写真と一般的な命令誘導エディタに関する大規模な実験は、SRIMが最強の保護を与え、$\ell_\infty$の予算の4分の1でも既存の方法よりも優れており、入力浄化の下では最強の保護を保っていることを証明している。

関連論文リスト

• MIRAGE: Protecting against Malicious Image Editing via False Moderation [73.0838743416626]
  画像免疫に関する以前の研究は、許可されていない操作から保護するために、イメージに知覚できない摂動を追加する。 我々は,この問題をシステムレベルで把握し,すべての主要な商用画像編集システムに共通する未探索の攻撃面を特定する。 本稿では、これらのモデレーションをポリシー違反としてフラグ付けさせ、編集プロンプトによらず自動的な拒絶を引き起こすことにより、イメージを免疫することを提案する。
  論文  参考訳（メタデータ） (2026-06-24T16:23:10Z)
• Purify Once, Edit Freely: Breaking Image Protections under Model Mismatch [21.826849937304477]
  拡散モデルは高忠実な画像編集を可能にするが、不正なスタイルの模倣や有害なコンテンツ生成に誤用することもできる。 これらのリスクを軽減するため、プロアクティブな画像保護手法は、下流の編集や微調整を妨害するために共有する前に、画像に小さな、しばしば知覚できない敵の摂動を埋め込む。 我々は,モデルミスマッチ下での保護生存性を評価するために,統合されたリリース後浄化フレームワークを導入する。
  論文  参考訳（メタデータ） (2026-03-13T14:36:46Z)
• Towards Transferable Defense Against Malicious Image Edits [70.17363183107604]
  Transferable Defense Against Malicious Image Edits (TDAE)は、悪意のある編集に対するイメージ免疫を強化する新しいバイモーダルフレームワークである。 本稿では,FlatGrad Defense Mechanism (FDM) を紹介した。 テキストエンハンスメント保護のための動的プロンプトディフェンス (DPD) を提案し, テキスト埋め込みを周期的に洗練し, 免疫画像の編集結果を元の画像と整合させる。
  論文  参考訳（メタデータ） (2025-12-16T12:10:16Z)
• AdLift: Lifting Adversarial Perturbations to Safeguard 3D Gaussian Splatting Assets Against Instruction-Driven Editing [109.07334219188222]
  本稿では,任意のビューや次元にまたがる命令駆動編集を防止するAdLiftと呼ばれる3DGSの最初の編集セーフガードを提案する。 我々は勾配トランケーションとイメージ・ツー・ガウスのフィッティングを交互に行い、異なる視点で一貫した対向的保護性能を得る。
  論文  参考訳（メタデータ） (2025-12-08T07:41:23Z)
• Active Adversarial Noise Suppression for Image Forgery Localization [56.98050814363447]
  本稿では、敵騒音の攻撃効果を抑制するために、防御的摂動を発生させる敵騒音抑制モジュール(ANSM)を提案する。 我々の知る限りでは、画像フォージェリローカライゼーションタスクにおける敵対的防御の報告としてはこれが初めてである。
  論文  参考訳（メタデータ） (2025-06-15T14:53:27Z)
• GuardDoor: Safeguarding Against Malicious Diffusion Editing via Protective Backdoors [8.261182037130407]
  GuardDoorは、イメージオーナとモデルプロバイダ間のコラボレーションを促進する、新しくて堅牢な保護メカニズムである。 本手法は,画像前処理操作に対するロバスト性を向上し,大規模展開にスケーラブルであることを示す。
  論文  参考訳（メタデータ） (2025-03-05T22:21:44Z)
• Pixel Is Not a Barrier: An Effective Evasion Attack for Pixel-Domain Diffusion Models [9.905296922309157]
  拡散モデルは高品質な画像合成のための強力な生成モデルとして登場し、それに基づく画像編集技術も数多くある。 従来の研究は、知覚不能な摂動を加えることで、画像の拡散に基づく編集を防ごうとしてきた。 本研究は,UNETの脆弱性を利用した新たな攻撃フレームワークであるAtkPDMと,敵画像の自然性を高めるための潜在最適化戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-21T17:56:34Z)

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。