論文の概要: Provably Secure Diffusion Watermarking Against Removal Adversaries with Batched Detector Access

• arxiv url: http://arxiv.org/abs/2610.39189v1
• Date: Thu, 29 Oct 2026 02:12:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-03 07:34:48.869568
• Title: Provably Secure Diffusion Watermarking Against Removal Adversaries with Batched Detector Access
• Title（参考訳）: バッチ・ディテクタ・アクセスによる除去アドバイザに対する拡散透かしの安全性
• Abstract要約: 潜時ベースの透かし手法は、透かしをAI生成コンテンツに埋め込むことができる。 これらのアプローチは、透かし検出境界が露出するにつれて、除去攻撃に対して脆弱である。 このような防御は、公的な到達可能な検出器によって動機付けられたより強力な脅威モデルの下では不安定であることを示す。
• 参考スコア（独自算出の注目度）: 7.1742313344919895
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent latent-based watermarking methods can embed undetectable watermarks into AI-generated content. However, these approaches are vulnerable to removal attacks as their watermark detection boundaries are exposed, prompting the use of secret long-term transformations to hide these boundaries. We show that such defenses are insecure under a stronger threat model motivated by publicly reachable detectors: an adversary with batched detector access can reconstruct the transformations, permanently re-exposing the decision boundary. To address this, we propose a watermarking scheme based on a hybrid of long-term and one-time secret transformations, which prevents the reuse of structure across samples and keeps the long-term secret hidden. Besides undetectability, we show that this scheme is provably secure against removal adversaries with batched detector access, in the sense that no probabilistic polynomial-time adversary can achieve a non-negligible advantage over an adversary restricted to adding isotropic white-noise with a $\sqrt{2}\times$ larger perturbation budget, and we show this $\sqrt{2}$ factor to be tight. Evaluations on Stable Diffusion 2.1 and XL demonstrate the attack against the existing defense, and show that our scheme preserves generation quality and withstands common perturbations and targeted removal attacks.
• Abstract（参考訳）: 最近の潜時ベースの透かし手法は、検出不能な透かしをAI生成コンテンツに埋め込むことができる。 しかし、これらのアプローチは、透かし検出境界が露出するにつれて除去攻撃に弱いため、これらの境界を隠すために秘密の長期変換が使用される。 このような防御は、公に到達可能な検出器によって動機づけられたより強力な脅威モデルの下では安全でないことが示され、バッチ化された検出器アクセスを持つ敵は変換を再構築し、決定境界を恒久的に再検討することができる。 そこで本研究では,長期間の秘密変換と1回の秘密変換を併用した透かし方式を提案する。 非検出性に加えて、このスキームは、バッチ検出器アクセスを持つ除去敵に対して確実に安全であることを示し、この確率的多項式時間競合が、$\sqrt{2}\times$大きな摂動予算による等方的ホワイトノイズの追加に制限された敵に対して、非無視的な優位性を達成できないことを示し、この$\sqrt{2}$因子を厳密に表現する。 安定拡散2.1およびXLの評価は、既存の防衛に対する攻撃を示し、我々の計画が生成品質を保ち、共通の摂動と目標除去攻撃に耐えていることを示す。

関連論文リスト

• PGID: Progressive Guided Inversion and Denoising for Robust Watermark Detection [2.9276293999058898]
  意味的透かしの拡散反転への依存は、透かしの検出に重大な脆弱性を生み出す。 本稿では,2つの攻撃戦略を防御する最初のプラグ・アンド・プレイ・トレーニングフリーノイズ抽出フレームワークであるプログレッシブガイド・インバージョン・デノイング(PGID)を提案する。
  論文  参考訳（メタデータ） (2026-05-10T04:32:57Z)
• Fragile Reconstruction: Adversarial Vulnerability of Reconstruction-Based Detectors for Diffusion-Generated Images [32.470971087318695]
  本研究は,4つの異なる生成バックボーンモデルにおける3つの代表検出器の対向ロバスト性について,系統的評価を行った。 我々は、ホワイトボックスシナリオにおける敵攻撃を構築し、十分に訓練された全ての検出器の性能を低下させる。 また、ある検出器に対する攻撃を他の検出器に転送することもでき、検出器に対する敵攻撃もブラックボックスの設定で構築できることを示す。
  論文  参考訳（メタデータ） (2026-04-14T14:17:51Z)
• SemBind: Binding Diffusion Watermarks to Semantics Against Black-Box Forgery Attacks [74.76909939060833]
  ブラックボックスの偽造攻撃は、証明と信頼に非常に大きなリスクをもたらす。 ブラックボックス偽造に抵抗する潜伏型透かしのフレームワークであるSemBindを提案する。 我々は,SemBindが有効である抗偽造の変異が,ブラックボックス偽造の誤認を著しく減少させることを示した。
  論文  参考訳（メタデータ） (2026-01-28T07:02:40Z)
• Removal Attack and Defense on AI-generated Content Latent-based Watermarking [26.09708301315328]
  デジタル透かしは、秘密分布からサンプリングされた出発点で生成プロセスを初期化することによりAIGCに埋め込むことができる。 擬似乱数誤り訂正符号と組み合わせると、これらの透かしの出力は、ホワイトノイズの下で堅牢性を維持しながら、未透かしの物体と区別できないままにすることができる。 透かしのある物体の位置から漏洩した境界情報を利用する新たな攻撃法を提案する。 この攻撃は、特定の設定下でのベースラインホワイトノイズ攻撃と比較して、透かしを取り除くのに必要な歪みを最大15倍まで減少させる。
  論文  参考訳（メタデータ） (2025-09-15T09:56:24Z)
• Character-Level Perturbations Disrupt LLM Watermarks [64.60090923837701]
  我々は,Large Language Model (LLM)ウォーターマーキングのためのシステムモデルを定式化する。 我々は、透かし検出器への限られたアクセスに制約された2つの現実的な脅威モデルの特徴付けを行う。 我々は,最も制限的な脅威モデルの下で,キャラクタレベルの摂動が透かし除去に著しく有効であることを実証した。 現実的な制約下での透かし除去における文字レベルの摂動の優位性と遺伝的アルゴリズム(GA)の有効性を実験的に検証した。
  論文  参考訳（メタデータ） (2025-09-11T02:50:07Z)
• Reliable Model Watermarking: Defending Against Theft without Compromising on Evasion [15.086451828825398]
  回避敵は、ウォーターマークサンプルを記憶したモデルによって生成されるショートカットを、容易に利用することができる。 モデルを学習してそれらを正確に認識することで、ユニークな透かし行動が知識注入によって促進される。
  論文  参考訳（メタデータ） (2024-04-21T03:38:20Z)
• Poisoned Forgery Face: Towards Backdoor Attacks on Face Forgery Detection [62.595450266262645]
  本稿では,バックドア攻撃による顔偽造検出の新たな脅威について紹介する。 バックドアをモデルに埋め込むことで、攻撃者は検知器を騙して偽造された顔の誤予測を発生させることができる。 我々は,顔偽造検知器に対するクリーンラベルバックドア攻撃を可能にするemphPoisoned Forgery Faceフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-18T06:31:05Z)
• Towards Robust Model Watermark via Reducing Parametric Vulnerability [57.66709830576457]
  バックドアベースのオーナシップ検証が最近人気となり,モデルオーナがモデルをウォーターマークすることが可能になった。 本研究では,これらの透かし除去モデルを発見し,それらの透かし挙動を復元するミニマックス定式化を提案する。 本手法は,パラメトリックな変化と多数のウォーターマーク除去攻撃に対するモデル透かしの堅牢性を向上させる。
  論文  参考訳（メタデータ） (2023-09-09T12:46:08Z)
• Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
  敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。 現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。 空間周波数Krawtchouk分解に基づく識別検出器を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:18:59Z)

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。