ノイズに隠されたもの：画像用の二段階ロバストウォーターマーキング

Hidden in the Noise: Two-Stage Robust Watermarking for Images

December 5, 2024

著者: Kasra Arabi, Benjamin Feuer, R. Teal Witter, Chinmay Hegde, Niv Cohen

cs.AI

要旨

画像生成器の品質が向上するにつれて、ディープフェイクは社会的な議論の対象となっています。画像透かしは、責任あるモデル所有者がAIによって生成されたコンテンツを検出してラベル付けすることを可能にし、被害を軽減できます。しかし、現在の画像透かしの最先端技術は、偽造や削除攻撃に対して脆弱なままです。この脆弱性は、透かしによって生成された画像の分布が歪み、透かし技術に関する情報を意図せずに明らかにしてしまうために発生します。 本研究では、画像のための歪みのない透かし付け方法を最初に示し、拡散モデルの初期ノイズに基づいています。ただし、透かしを検出するには、画像に対して再構築された初期ノイズを以前に使用されたすべての初期ノイズと比較する必要があります。これらの問題を軽減するために、効率的な検出のための二段階の透かしフレームワークを提案しています。生成中に、初期ノイズに生成されたフーリエパターンを追加して、使用した初期ノイズのグループに関する情報を埋め込みます。検出時には、(i) 関連するノイズのグループを取得し、(ii) 与えられたグループ内で画像に一致する可能性のある初期ノイズを検索します。この透かしアプローチは、多数の攻撃に対して偽造と削除に対する最先端の頑健性を実現しています。

English

As the quality of image generators continues to improve, deepfakes become a topic of considerable societal debate. Image watermarking allows responsible model owners to detect and label their AI-generated content, which can mitigate the harm. Yet, current state-of-the-art methods in image watermarking remain vulnerable to forgery and removal attacks. This vulnerability occurs in part because watermarks distort the distribution of generated images, unintentionally revealing information about the watermarking techniques. In this work, we first demonstrate a distortion-free watermarking method for images, based on a diffusion model's initial noise. However, detecting the watermark requires comparing the initial noise reconstructed for an image to all previously used initial noises. To mitigate these issues, we propose a two-stage watermarking framework for efficient detection. During generation, we augment the initial noise with generated Fourier patterns to embed information about the group of initial noises we used. For detection, we (i) retrieve the relevant group of noises, and (ii) search within the given group for an initial noise that might match our image. This watermarking approach achieves state-of-the-art robustness to forgery and removal against a large battery of attacks.