論文の概要: ProxyEraseAgent: Blind Watermark Removal in the Wild
- arxiv url: http://arxiv.org/abs/2610.11290v1
- Date: Thu, 08 Oct 2026 05:53:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 11:59:33.737297
- Title: ProxyEraseAgent: Blind Watermark Removal in the Wild
- Title（参考訳）: ProxyEraseAgent: 野生における盲点の透かし除去
- Abstract要約: 検出出力、デコーダ応答、またはペア画像を利用した攻撃は、透かし判定境界に合わせることができる。
圧縮、幾何学的歪み、再構成に基づく攻撃は、単一の透かし画像から容易に展開されるが、大部分はオープンループのままである。
ProxyEraseAgentはプロキシデコーダ応答によって攻撃特異性を回復するエージェント駆動フレームワークである。
- 参考スコア（独自算出の注目度）: 42.71941389512063
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Invisible image watermark removal has received growing attention. Despite substantial progress, existing attacks face a tension between practicality and specificity. Attacks exploiting detector outputs, decoder responses, or paired images can be tailored to the watermark decision boundary, but require information rarely available in realistic scenarios. Conversely, attacks based on compression, geometric distortion, or reconstruction are easily deployed from a single watermarked image, but remain largely open-loop: they apply generic transformations without knowing if the image is moving toward watermark failure. Thus, the key challenge in single-image blind watermark removal is not merely how to transform the image, but how to obtain a useful removal direction without accessing the hidden decoder. To bridge this gap, we propose ProxyEraseAgent, an agent-driven framework recovering attack specificity through proxy decoder responses. Publicly available watermarking schemes provide a natural knowledge base of candidate decoders, where some are informative for a given unknown image. Our insight is that a decoder producing a strong calibrated response to the query image likely shares a nearby decoding boundary with the hidden target mechanism. ProxyEraseAgent ranks these decoders by calibrated response strength and uses the top ones as proxy boundary estimators. Their responses then guide a progressive search over heterogeneous removal operations (e.g., geometric distortion, JPEG compression, image reconstruction, and gradient perturbation) under perceptual-quality constraints. Experiments across 11 watermarking systems show ProxyEraseAgent achieves a 94.8% attack success rate, demonstrating the effectiveness of response-guided proxy retrieval and feedback-driven sequential planning for blind watermark removal.
- Abstract（参考訳）: 目に見えない画像の透かし除去が注目されている。
かなりの進歩にもかかわらず、既存の攻撃は実用性と特異性の間に緊張に直面している。
検出器出力、デコーダ応答、またはペア画像を利用した攻撃は、透かし決定境界に合わせて調整できるが、現実的なシナリオではめったに利用できない情報を必要とする。
逆に、圧縮、幾何学的歪み、再構成に基づく攻撃は、単一の透かし画像から容易に展開されるが、大部分は開ループのままであり、画像が透かしの故障に向かって動いているかどうかを知ることなく、一般的な変換を適用する。
このように、シングルイメージの透かし除去における重要な課題は、画像の変換方法だけでなく、隠されたデコーダにアクセスすることなく、有用な除去方向を得る方法である。
このギャップを埋めるため,プロキシデコーダ応答による攻撃特異性を回復するエージェント駆動フレームワークであるProxyEraseAgentを提案する。
パブリックに利用可能な透かし方式は、候補デコーダの自然な知識基盤を提供する。
我々の洞察では、クエリ画像に対する強い校正応答を生成するデコーダは、近くのデコード境界と隠れたターゲットメカニズムを共有できる可能性が高い。
ProxyEraseAgentは、これらのデコーダを調整された応答強度でランク付けし、上位のものをプロキシ境界推定器として使用する。
その応答は、知覚品質の制約の下で不均一な除去操作(例えば、幾何学的歪み、JPEG圧縮、画像再構成、勾配摂動)を段階的に探索する。
11の透かしシステムを対象とした実験では、ProxyEraseAgentは94.8%の攻撃成功率を達成した。
関連論文リスト
- 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) - SEAL: Semantic Aware Image Watermarking [26.606008778795193]
本稿では,生成した画像のセマンティック情報を透かしに直接埋め込む新しい透かし手法を提案する。
キーパターンは、局所性に敏感なハッシュを用いて画像のセマンティック埋め込みから推測することができる。
以上の結果から,画像生成モデルによるリスクを軽減できる可能性が示唆された。
論文 参考訳（メタデータ） (2025-03-15T15:29:05Z) - Invisible Watermarks: Attacks and Robustness [0.3495246564946556]
本稿では,攻撃時の画像品質の劣化を最小限に抑えるとともに,透かしの堅牢性を向上する新しい手法を提案する。
そこで本研究では,デコード中,一方の透かしのモダリティを保ちながら他方を完全に除去する独自の透かし除去ネットワークを提案する。
評価の結果,1)他のモダリティを復号する際の透かしモダリティの1つを保持するための透かし除去モデルの実装は,ベースライン性能において若干改善され,2)LBAは画像全体の均一なぼかしに比べて画像の劣化を著しく低減することがわかった。
論文 参考訳（メタデータ） (2024-12-17T03:50:13Z) - Social Media Authentication and Combating Deepfakes using Semi-fragile Invisible Image Watermarking [6.246098300155482]
本稿では,メディア認証のために,見えない秘密メッセージを実画像に埋め込む半フレジブルな画像透かし手法を提案する。
提案するフレームワークは,顔の操作や改ざんに対して脆弱であると同時に,画像処理操作や透かし除去攻撃に対して頑健であるように設計されている。
論文 参考訳（メタデータ） (2024-10-02T18:05:03Z) - Certifiably Robust Image Watermark [57.546016845801134]
ジェネレーティブAIは、偽情報やプロパガンダキャンペーンの促進など、多くの社会的懸念を提起する。
ウォーターマークAI生成コンテンツは、これらの懸念に対処するための重要な技術である。
本報告では, 除去・偽造攻撃に対するロバスト性保証を保証した最初の画像透かしを提案する。
論文 参考訳（メタデータ） (2024-07-04T17:56:04Z) - 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) - Invisible Image Watermarks Are Provably Removable Using Generative AI [47.25747266531665]
Invisibleの透かしは、所有者によってのみ検出可能な隠されたメッセージを埋め込むことで、画像の著作権を保護する。
我々は、これらの見えない透かしを取り除くために、再生攻撃のファミリーを提案する。
提案手法は,まず画像にランダムノイズを加えて透かしを破壊し,画像を再構成する。
論文 参考訳（メタデータ） (2023-06-02T23:29:28Z)
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。