DiffWA: Diffusion Models for Watermark Attack

要約

ディープ ニューラル ネットワーク (DNN) の急速な発展に伴い、多くの堅牢なブラインド透かしアルゴリズムとフレームワークが提案され、良好な結果を達成しています。
現時点では、ウォーターマーク攻撃アルゴリズムはウォーターマーク付加アルゴリズムと競合できません。
また、多くの透かし攻撃アルゴリズムは、透かしの通常の抽出を妨害することのみを考慮しており、透かし攻撃は画像に大きな視覚的損失を引き起こします。
この目的を達成するために、埋め込まれた透かしを除去しながら画像を復元できる、透かし攻撃のための距離ガイダンスを備えた条件付き拡散モデル DiffWA を提案します。
私たちの方法の核心は、透かしの入っていない画像で画像間の条件付き拡散モデルをトレーニングし、サンプリング時に距離ガイダンスを使用して条件付きモデルをガイドして、モデルが元の画像に似た透かしの入っていない画像を生成するようにすることです。
提案したモデルを用いてCIFAR-10の実験を行いました。
結果は,このモデルが良好な効果で透かしを除去でき,透かし抽出のビット誤り率を0.4以上にすることができることを示した。
同時に、攻撃された画像は、元の画像と比較して、PSNR 31 以上、SSIM 0.97 以上の良好な視覚効果を維持します。

要約(オリジナル)

With the rapid development of deep neural networks(DNNs), many robust blind watermarking algorithms and frameworks have been proposed and achieved good results. At present, the watermark attack algorithm can not compete with the watermark addition algorithm. And many watermark attack algorithms only care about interfering with the normal extraction of the watermark, and the watermark attack will cause great visual loss to the image. To this end, we propose DiffWA, a conditional diffusion model with distance guidance for watermark attack, which can restore the image while removing the embedded watermark. The core of our method is training an image-to-image conditional diffusion model on unwatermarked images and guiding the conditional model using a distance guidance when sampling so that the model will generate unwatermarked images which is similar to original images. We conducted experiments on CIFAR-10 using our proposed models. The results shows that the model can remove the watermark with good effect and make the bit error rate of watermark extraction higher than 0.4. At the same time, the attacked image will maintain good visual effect with PSNR more than 31 and SSIM more than 0.97 compared with the original image.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google