Fugu-MT 論文翻訳(概要): Beyond User-Side Defenses: Image Protection in Open-Weight Diffusion Models

論文の概要: Beyond User-Side Defenses: Image Protection in Open-Weight Diffusion Models

arxiv url: http://arxiv.org/abs/2610.16835v1
Date: Mon, 12 Oct 2026 14:15:56 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-18 21:17:02.536716
Title: Beyond User-Side Defenses: Image Protection in Open-Weight Diffusion Models
Title（参考訳）: ユーザ側防衛を超えて:オープンウェイト拡散モデルにおける画像保護
Abstract要約: 保護効果, 清潔性, 適合性, 改ざん抵抗の4つの要件を提案する。 1つの保護具による実験では、忠実さを清潔にするコストで再配向に対する抵抗が改善された。
参考スコア（独自算出の注目度）: 9.992803782913796
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Model providers can support image protection, but open-weight deployment introduces practical constraints. We propose four requirements: protection effectiveness, clean fidelity, compatibility, and tamper resistance. We incorporate long-horizon attack simulations to strengthen resistance to protection removal. Experiments with a single protection tool show improved resistance to re-alignment at a cost to clean fidelity, motivating further research toward practical model-side protection.
Abstract（参考訳）: モデルプロバイダはイメージ保護をサポートすることができるが、オープンウェイトデプロイメントは実践的な制約を導入する。保護効果, 清潔性, 適合性, 改ざん抵抗の4つの要件を提案する。我々は、保護除去に対する抵抗を強化するために、長距離攻撃シミュレーションを組み込んだ。単一の保護ツールを用いた実験では、忠実さの浄化に要するコストで再配向に対する耐性が向上し、実用的なモデル側保護に向けたさらなる研究の動機となった。

関連論文リスト

On the Vulnerability of Parameter-Level Defenses to Model Merging [75.62810606927121]
我々は,既存の安全対策を回避するため,アンカー誘導攻撃(AGA)を提案する。 AGAは、現実的な防衛非依存シナリオの下で、個々の防衛と複合防衛の両方を一貫してバイパスする。我々は、AGAが活用するアンカーの優位性を軽減するために、アンカー推進ファインチューニング(ARF)を提供する。
論文参考訳（メタデータ） (2026-06-29T14:26:13Z)
MISLEADER: Defending against Model Extraction with Ensembles of Distilled Models [56.09354775405601]
モデル抽出攻撃は、クエリアクセスを通じてブラックボックスモデルの機能を複製することを目的としている。既存のディフェンスでは、アタッカークエリにはオフ・オブ・ディストリビューション(OOD)サンプルがあることを前提としており、不審な入力を検出し破壊することができる。 OOD仮定に依存しない新しい防衛戦略であるMISLEADERを提案する。
論文参考訳（メタデータ） (2025-06-03T01:37:09Z)
Tit-for-Tat: Safeguarding Large Vision-Language Models Against Jailbreak Attacks via Adversarial Defense [90.71884758066042]
大きな視覚言語モデル(LVLM)は、視覚入力による悪意のある攻撃に対する感受性という、ユニークな脆弱性を導入している。本稿では,脆弱性発生源からアクティブ防衛機構へ視覚空間を変換するための新しい手法であるESIIIを提案する。
論文参考訳（メタデータ） (2025-03-14T17:39:45Z)
Nearly Zero-Cost Protection Against Mimicry by Personalized Diffusion Models [9.548195579003897]
遅延を低減するための事前学習を導入し、性能劣化を最小限に抑えるための混合摂動手法を提案する。我々の新しいトレーニング戦略は、複数のVAE特徴空間における保護損失を計算し、推論における適応的目標保護はロバスト性を高める。実験では、視認性を向上し、推論時間を劇的に短縮した同等の保護性能を示す。
論文参考訳（メタデータ） (2024-12-16T03:46:45Z)
On Evaluating the Durability of Safeguards for Open-Weight LLMs [80.36750298080275]
我々は,大規模言語モデル(LLM)の誤用を技術的保護が阻害するか否かを論じる。これらの防御を評価することさえ非常に困難であり、観客を誤解させることなく、安全は実際のものよりも耐久性が高いと考えることが示される。今後の研究は、より制約があり、明確に定義され、厳密に検討された脅威モデルに注意深く対応することを提案します。
論文参考訳（メタデータ） (2024-12-10T01:30:32Z)
CoreGuard: Safeguarding Foundational Capabilities of LLMs Against Model Stealing in Edge Deployment [66.72332011814183]
CoreGuardは、エッジデバイスにデプロイされるプロプライエタリな大規模言語モデル(LLM)の計算と通信効率の保護方法である。 CoreGuardは効率的な保護プロトコルを使用して、計算オーバーヘッドを削減し、伝搬プロトコルによる通信オーバーヘッドを最小限にする。
論文参考訳（メタデータ） (2024-10-16T08:14:24Z)
Imperceptible Protection against Style Imitation from Diffusion Models [17.823224598058697]
保護機能を保ちながら視覚的に改善された保護方法を提案する。我々は,人間の目に敏感な領域に注目する知覚マップを考案した。また,アートワークがどれだけの強度を保護・動的に調整することが難しいかを予測し,難易度に配慮した保護も導入した。
論文参考訳（メタデータ） (2024-03-28T09:21:00Z)
Randomness in ML Defenses Helps Persistent Attackers and Hinders Evaluators [49.52538232104449]
堅牢なMLディフェンスを設計することがますます重要になっている。近年の研究では、当初最先端の攻撃に抵抗する多くの防衛は、適応的な敵によって破壊される可能性があることが判明している。我々は、防御設計をシンプルにし、ホワイトボックスの防御は可能な限りランダム性を損なうべきだと論じる。
論文参考訳（メタデータ） (2023-02-27T01:33:31Z)

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。