論文の概要: Evaluating the Robustness of PRNU Source-Camera Attribution to the Fingerprint-Copy Attack: An Open Toolkit with Triangle-Test Detection
- arxiv url: http://arxiv.org/abs/2611.17747v1
- Date: Fri, 13 Nov 2026 05:03:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.305012
- Title: Evaluating the Robustness of PRNU Source-Camera Attribution to the Fingerprint-Copy Attack: An Open Toolkit with Triangle-Test Detection
- Title(参考訳): 指紋コピー攻撃に対するPRNUソースカメラ属性のロバスト性の評価:三角形検出によるオープンツールキット
- Abstract要約: Photo-Response Non-Uniformity (PRNU)は、センサレベルのソースカメラ属性の事実上の標準トレースである。
カメラの公開画像からターゲットカメラの指紋を推定する相手は、スケールしたコピーを無関係の写真に注入することができる。
本稿では,(付加的な)指紋コピー攻撃の基準実装とトライアングル検定とコホート校正決定手順を組み合わせ,オープンで監査可能なツールキットprnucfを提案する。
- 参考スコア(独自算出の注目度): 2.0102619493827025
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photo-Response Non-Uniformity (PRNU) is the de facto standard trace for sensor-level source-camera attribution, and a high Peak-to-Correlation-Energy (PCE) between a questioned image and a camera reference fingerprint is routinely treated as strong evidence of common origin. The fingerprint-copy attack of Goljan, Fridrich and Chen (2011) shows that this signal can be forged: an adversary who estimates a target camera's fingerprint from that camera's publicly available images can inject a scaled copy of it into an unrelated photograph, producing a forgery that clears a PCE decision threshold despite never having been taken by the target device. We present prnucf, an open, auditable toolkit that pairs a reference implementation of the (additive) fingerprint-copy attack with the triangle-test detector and a cohort-calibrated decision procedure, so that practitioners can quantify how fragile a PRNU attribution is against this attack on their own pipelines. On a controlled multi-camera Monte-Carlo benchmark the attack reaches an arbitrary target PCE at a mean PSNR of 59.2 dB (visually lossless), yet the triangle test separates forgeries from innocent images with an area under the ROC curve of 0.999, detecting every forgery at a cohort-calibrated 5% false-positive operating point. We discuss why a fixed significance cut-off is not safe in casework, the limitations of synthetic validation, and the open problem of extending explainable detection to the modern, GAN-based generation of fingerprint-transfer attacks. The toolkit is released under the MIT license with an explicit dual-use statement.
- Abstract(参考訳): 光応答非均一性(PRNU)は、センサレベルのソースカメラ属性のデファクトスタンダードトレースであり、疑問の画像とカメラ基準指紋との間のピーク・ツー・コレクト・エネルギ(PCE)の高いピーク・ツー・コレクト・エネルギ(PCE)は、通常、共通の起源の強い証拠として扱われる。
ゴルジャン、フリドリッヒ、チェン(2011年)の指紋コピー攻撃は、この信号を偽造できることを示している: カメラの公開画像からターゲットカメラの指紋を推定する敵は、そのカメラのスケールしたコピーを無関係の写真に注入することができ、ターゲット装置に取られたことがなく、PCE決定閾値をクリアする偽造を発生させる。
本稿では,三角検定器とコホート校正決定手順の基準実装とを組み合わせ,PRNU属性がパイプラインに対する攻撃に対してどの程度脆弱であるかを定量的に評価する,オープンで監査可能なツールキットprnucfを提案する。
制御されたマルチカメラのモンテカルロベンチマークでは、攻撃は平均PSNR 59.2 dB(視覚的に損失のない)で任意のターゲットPCEに達するが、三角形テストでは、ROC曲線 0.999 以下の領域の罪のない画像から偽造品を分離し、コホート校正された5%の偽陽性動作点で全ての偽造品を検出する。
ケースワークにおいて、固定的な意味切断が安全でない理由、合成バリデーションの限界、そして最新のGANベースの指紋伝達攻撃に説明可能な検出を拡張できるオープンな問題について議論する。
このツールキットはMITライセンスのもと、明示的なデュアルユースステートメントでリリースされている。
関連論文リスト
- Efficient, Robust, and Anti-Collusion Fingerprinting of Image Diffusion Models [99.66311024852651]
既存のモデルフィンガープリント法では、衝突攻撃に対する堅牢性が欠如している。
本稿では,抗凝固能を有するT2Iモデルに対するロバストフィンガープリント手法を提案する。
本手法は,複数のT2I画像生成および編集タスクにおいて,指紋抽出精度99.5%を超える高い忠実度と堅牢性を実現する。
論文 参考訳(メタデータ) (2026-06-11T07:12:13Z) - Raw-Curve Quantum Fingerprints: A Mahalanobis Authentication Framework with Drift Early Warning and Adversarial Detection [11.819995530903567]
量子クラウドプラットフォームは強力なコンピューティング機能を提供することを目指しているが、ユーザは、どの物理デバイスがワークロードを実行するかを検証する直接的な手段を持っていない。
この透明性の欠如により、悪意のある敵がジョブを代替または劣等なプロセッサにリダイレクトするハードウェア置換攻撃が可能になる。
実測データから多次元量子指紋を構築することにより,この問題に対処する汎用認証フレームワークを提案する。
論文 参考訳(メタデータ) (2026-06-10T04:10:21Z) - Cross-Modal Phantom: Coordinated Camera-LiDAR Spoofing Against Multi-Sensor Fusion in Autonomous Vehicles [2.1485350418225244]
我々は,マルチセンサ・フュージョンの冗長性を回避できるかどうかを,クロスセンサの整合性を利用して検討する。
我々は,3次元空間に配置した視点認識画像パッチと合成LiDAR点クラスタを挿入することで,センサレベルの結果をシミュレートする。
400KITTIのシーンを大規模に評価したところ、コーディネートされたスプーフィングは85.5%の攻撃率で最先端の知覚モデルであることがわかった。
論文 参考訳(メタデータ) (2026-04-23T16:32:01Z) - CAAP: Capture-Aware Adversarial Patch Attacks on Palmprint Recognition Models [72.58453081100429]
Palmprint認識は、アクセス制御やPalmベースの支払いを含む、セキュリティクリティカルなアプリケーションにデプロイされる。
既存の研究ではパームプリント認識のテクスチャに支配的な性質を十分に考慮していない。
本稿では,パームプリント認識のためのキャプチャ対応逆パッチフレームワークであるCAAPを提案する。
論文 参考訳(メタデータ) (2026-04-08T12:03:14Z) - ForensicsSAM: Toward Robust and Unified Image Forgery Detection and Localization Resisting to Adversarial Attack [56.0056378072843]
高い転送性を持つ逆画像は上流モデルでのみ作成可能であることを示す。
本稿では,IFDLフレームワークを組み込んだForensicsSAMを提案する。
論文 参考訳(メタデータ) (2025-08-10T16:03:44Z) - Sample Correlation for Fingerprinting Deep Face Recognition [83.53005932513156]
SAC(SA Corremplelation)に基づく新しいモデル盗難検出手法を提案する。
SACは、顔認証や顔の感情認識を含む、深層顔認識における様々なモデル盗難攻撃に対して、AUC、p値、F1スコアの点で最高のパフォーマンスを示すことに成功した。
我々は,SAC-JC の評価を Tiny-ImageNet や CIFAR10 などのオブジェクト認識に拡張し,従来の手法よりも SAC-JC の優れた性能を示す。
論文 参考訳(メタデータ) (2024-12-30T07:37:06Z) - AdvQDet: Detecting Query-Based Adversarial Attacks with Adversarial Contrastive Prompt Tuning [93.77763753231338]
CLIP画像エンコーダを微調整し、2つの中間対向クエリに対して同様の埋め込みを抽出するために、ACPT(Adversarial Contrastive Prompt Tuning)を提案する。
我々は,ACPTが7つの最先端クエリベースの攻撃を検出できることを示す。
また,ACPTは3種類のアダプティブアタックに対して堅牢であることを示す。
論文 参考訳(メタデータ) (2024-08-04T09:53:50Z) - A Universal Anti-Spoofing Approach for Contactless Fingerprint Biometric
Systems [0.0]
接触のない指紋に対する普遍的な提示攻撃検出法を提案する。
ライブフィンガー写真からStyleGANを用いて合成非接触指紋を生成し,それらを統合して半教師付きResNet-18モデルを訓練した。
両損失関数のバランスをとるために,Arcface と Center の損失を組み合わせた新しい結合損失関数を導入した。
論文 参考訳(メタデータ) (2023-10-23T15:46:47Z) - An Open Patch Generator based Fingerprint Presentation Attack Detection
using Generative Adversarial Network [3.5558308387389626]
自動指紋認識システム(AFRS)のセンサに本物の指紋の偽造を提示することによる脅威の一つに、提示攻撃(PA)または偽造(spoofing)がある。
本稿では、GAN(Generative Adversarial Network)を用いて、提案したOpen Patch Generator(OPG)から生成されたスプーフサンプルを用いてデータセットを増強するCNNベースの手法を提案する。
96.20%、94.97%、92.90%の精度は、それぞれLivDetプロトコルのシナリオの下で、LivDet 2015、2017、2019データベースで達成されている。
論文 参考訳(メタデータ) (2023-06-06T10:52:06Z) - Beyond PRNU: Learning Robust Device-Specific Fingerprint for Source
Camera Identification [14.404497406560104]
元のカメラ識別ツールは、画像鑑定調査員が被疑者カメラと画像を関連付けるのを助ける。
光応答不均一 (PRNU) ノイズパターンは, センサの不完全性に起因するため, ソースカメラの識別に有効な方法であることが証明されている。
PRNUは、カメラの設定、画像の内容、画像処理操作、および反法医学的攻撃に影響を受けやすい。
この新しいデバイス指紋は低周波帯と中周波帯から抽出され、PRNUが競合できない脆弱性を解消する。
論文 参考訳(メタデータ) (2021-11-03T11:25:19Z)
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。