論文の概要: Averaging Collusion Breaks Traceability in Personalized Neural Audio Watermarking

• arxiv url: http://arxiv.org/abs/2611.04400v1
• Date: Tue, 03 Nov 2026 06:39:35 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:51:23.310251
• Title: Averaging Collusion Breaks Traceability in Personalized Neural Audio Watermarking
• Title（参考訳）: パーソナライズされたニューラルオーディオ透かしにおける平均的衝突によるトレーサビリティの破壊
• Abstract要約: 個人化されたニューラルオーディオ透かしシステムは、ユーザ固有のペイロードをオーディオに埋め込んで、漏洩または誤用されたコピーに関連するユーザを追跡する。 単純なサンプル平均化はトレーサビリティを損なうことが分かっており、平均化は2つのコピーで87.7-99.7%のトレーサビリティを発生させる。 デコーダ出力は、システム間での連立ペイロード構成に対する明確な応答を示す。
• 参考スコア（独自算出の注目度）: 12.445165314042258
• License:
• Abstract: Personalized neural audio watermarking systems embed user-specific payloads into audio to trace the user associated with a leaked or misused copy. Existing evaluations mainly assume access to a single personalized copy, but real-world distribution may expose multiple copies of the same recording. We find that simple sample-wise averaging breaks traceability: averaging only two copies produces tracing-failure rates of 87.7-99.7% across the five systems while largely preserving audio quality. Decoder outputs show distinct responses to coalition payload composition across systems, with high majority agreement in TimbreWM but substantially lower agreement in WMCodec. In a more sophisticated payload-aware setting, mixture weighting can further steer the decoder toward a selected nonmember, achieving a target success rate of 92.3% in TimbreWM. Preliminary confidence screening rejects many collusion-induced assignments while retaining most valid single-copy outputs. Code and results are available at https://github.com/Silwan5z/neural-audio-watermark-collusion-attack. This work highlights multi-copy traceability as an additional evaluation dimension for personalized neural audio watermarking alongside conventional single-copy robustness.
• Abstract（参考訳）: パーソナライズされたニューラルオーディオ透かしシステムは、ユーザ固有のペイロードをオーディオに埋め込んで、漏洩または誤用されたコピーに関連するユーザを追跡する。 既存の評価は、主に1つのパーソナライズされたコピーへのアクセスを前提としているが、現実のディストリビューションは同じレコードの複数のコピーを公開することができる。 単純なサンプル単位の平均化はトレーサビリティを損なう: 平均化は5つのシステムで87.7-99.7%のトレーサビリティを保ちながら、オーディオ品質を保っている。 デコーダの出力は、TimbreWMにおいて高い過半数の合意を得たが、WMCodecではかなり低い合意で、システム間での連立ペイロード構成に対する明確な応答を示す。 より洗練されたペイロード対応設定では、混合重み付けはデコーダを選択された非メンバーに向けてさらに操り、TimbreWMの目標成功率は92.3%に達する。 予備的信頼スクリーニングは、最も有効な単一コピー出力を保持しながら、多くの共謀によって引き起こされる割り当てを拒絶する。 コードと結果はhttps://github.com/Silwan5z/neural-audio-watermark-collusion- attackで公開されている。 この研究は、従来のシングルコピーロバストネスと並行して、パーソナライズされたニューラルオーディオ透かしのための追加評価次元として、マルチコピートレーサビリティを強調している。

関連論文リスト

• Backward Compatibility in Zero-Bit Neural Audio Watermarking [0.0]
  本稿では,ゼロビット音声透かしにおける後方互換性の概念を定式化する。 新しい検出器と凍結したレガシな埋め込み器のシーケンスを組み合わせたトレーニングフレームワークが提案されている。 Angular Diversity Loss (ADL)が導入され、各新しい埋め込み器が出力空間の異なる領域を占めるように明示的に強制される。
  論文  参考訳（メタデータ） (2026-10-15T17:45:27Z)
• To Copy or Not to Copy: Controlling Speculative Decoding via Intrinsic Model Signals [53.517661959543894]
  投機的復号法 (SD) はLarge Language Model (LLM) の推論を著しく加速した。 既存のアプローチは、ニューラルドラフトとコンテキストベースのコピーという2つのドラフト戦略の根本的なトレードオフに直面している。 既存のコピーベース手法を解析し、それらが偶然に繰り返される傾向があることを確認する。 本稿では,LLMの遅延制御信号としてコピー処理を扱う適応型フレームワークであるSwitchSDを紹介する。
  論文  参考訳（メタデータ） (2026-09-17T12:51:20Z)
• Combining Self-Embedding Audio Watermarking with Ultra-Low-Bitrate Neural Codecs [35.36605987953242]
  音声録音の部分的な操作は、コンテンツ完全性検証の課題となる。 ウォーターマーキングは、配布前に補助情報を埋め込むことによって、積極的な防御手段を提供する。 本研究は, 理想的な条件下での積極的防御性能の探索である。
  論文  参考訳（メタデータ） (2026-08-26T01:55:15Z)
• Evaluating Multimodal Steganalysis for Split-Payload Audiovisual Steganography [0.0]
  本稿では,スプリットペイド型オーディオ視覚ステガノグラフィーが一過性および多モード性ステガナリシスの回避に有効であるかどうかを考察する。 我々は、隠れたメッセージがオーディオとビデオのトラックに分割されるオーディオ視覚サンプルを作成し、異なる検出器がそれをどの程度正確に識別できるかをテストする。
  論文  参考訳（メタデータ） (2026-06-07T16:45:58Z)
• Training-Free Deepfake Voice Recognition by Leveraging Large-Scale Pre-Trained Models [52.04189118767758]
  一般化は、現在のオーディオディープフェイク検出器の主な問題である。 本稿では,オーディオディープフェイク検出のための大規模事前学習モデルの可能性について検討する。
  論文  参考訳（メタデータ） (2024-05-03T15:27:11Z)
• S3: Supervised Self-supervised Learning under Label Noise [53.02249460567745]
  本稿では,ラベルノイズの存在下での分類の問題に対処する。 提案手法の核心は,サンプルのアノテートラベルと特徴空間内のその近傍のラベルの分布との整合性に依存するサンプル選択機構である。 提案手法は,CIFARCIFAR100とWebVisionやANIMAL-10Nなどの実環境ノイズデータセットの両方で,従来の手法をはるかに上回っている。
  論文  参考訳（メタデータ） (2021-11-22T15:49:20Z)
• Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
  我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。 元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。 私たちのコードは、将来的な比較作業のためにオープンソースにされます。
  論文  参考訳（メタデータ） (2021-07-01T08:58:16Z)
• Neural Audio Fingerprint for High-specific Audio Retrieval based on Contrastive Learning [14.60531205031547]
  セグメントレベルの探索目的から導出するコントラスト学習フレームワークを提案する。 従来の音声フィンガープリントシステムが故障したセグメントレベルの検索タスクでは,10倍小さいストレージを用いたシステムが有望な結果を示した。
  論文  参考訳（メタデータ） (2020-10-22T17:44:40Z)

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。