PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2610.03166v1cs.CR

LiBRA: 양방향 잠재 공간 최적화를 통한 탐지 인식 이미지 워터마크 제거

LiBRA: Detection-Aware Image Watermark Removal via Bidirectional Latent Optimization

디지털 워터마킹은 AI 생성 이미지의 출처 식별을 지원하지만, 그 신뢰성은 제거 공격에 대한 저항력에 달려 있습니다. 일부 공격은 디코딩된 워터마크가 원본과 달라지도록 강제하여 워터마크를 제거하려 시도합니다. 그러나 이는 여전히 탐지 가능한 반전된 워터마크를 생성하여 제거에 실패할 수 있으며, 워터마크를 변경하려는 추가 시도는 불필요하게 이미지 품질을 저하시킬 수 있습니다. 이러한 한계를 해결하기 위해, 본 연구에서는 이미지 품질을 보존하면서 워터마크를 탐지할 수 없도록 만드는 것을 목표로 하는 LiBRA(Latent In-band Bidirectional Removal Attack)를 제안합니다. LiBRA는 워터마크를 지속적으로 반전 방향으로 밀어내는 대신, 이미지 품질을 저하시킬 수 있는 추가 변경을 유도하지 않고 워터마크를 숨기도록 이미지를 조정합니다. 일부 공격은 추가 변경이 탐지 가능성을 유지하고 이미지 품질을 손상시키는 경우에도 디코딩된 비트를 원본 워터마크로부터 계속 멀어지게 만듭니다. 워터마크 키 및 디코더에 대한 접근 권한을 바탕으로, LiBRA는 공개 오토인코더의 잠재 공간(latent space)에서 범위가 제한된 변경을 수행합니다. 과도한 반전을 수정할 수 없는 반전 주도형 목적 함수와 달리, LiBRA는 어느 방향에서든 평균 디코딩 신뢰도(confidence)가 무작위 추측(random guessing) 수준으로 수렴하도록 유도합니다. 이는 반전되었지만 여전히 탐지 가능한 워터마크가 생성되는 것을 방지하는 데 도움이 됩니다. 개별 비트를 유연하게 유지함으로써 이미지 품질 제약 조건이 손상이 적은 변경을 선호하도록 하며, 선택적 주파수 유도 마스크를 통해 변경 위치를 제한합니다. 마지막으로 신뢰도 목표가 성공을 보장한다고 가정하는 대신, 정확한 양측 이항 검정(two-sided binomial test)을 사용하여 제거 여부를 검증합니다.

arXiv:2610.02010v1cs.CV

잠재 주파수 마스킹에 대한 생성형 이미지 워터마크의 취약점 탐색

Exploring Weaknesses of Generative Image Watermarks against Latent Frequency Masking

보이지 않는 워터마킹(invisible watermarking)은 AI 생성 이미지를 추적하는 핵심 도구가 되었으나, 적응형 제거 공격에 대한 견고성(robustness)은 여전히 미해결된 보안 과제로 남아 있습니다. 본 논문에서는 워터마크가 적용된 이미지의 잠재 표현(latent representation)에서 선택된 푸리에 계수(Fourier coefficients)를 대체하여 워터마크 흔적을 지우는 공격 방식인 잠재 주파수 마스킹(Latent Frequency Masking)을 소개합니다. 대체할 값은 효율성을 위해 가우시안 노이즈(Gaussian noise)에서 샘플링하거나, 이미지 보존성을 높이기 위해 확산 재성형(diffusion regeneration)을 통해 도출할 수 있습니다. 또한 재구성된 적대적 이미지와 마스킹된 잠재 주파수 섭동(perturbation) 사이의 변화를 연계하는 이론적 왜곡 경계(distortion bound)를 제시합니다. 제안된 공격 기법을 DiffusionDB 및 MS-COCO 프롬프트로 생성된 이미지에 대해 6가지 확산 워터마킹 방식을 대상으로 평가합니다. 잠재 주파수 마스킹은 시각적 품질을 보존하고 기존 공격 기법 대비 우수한 실행 시간을 달성하면서 여러 워터마크를 제거하거나 대폭 약화시킵니다. 이러한 결과는 잠재 주파수 조작이 실질적인 공격 표면(attack surface)임을 입증하며, 생성형 이미지 워터마킹의 견고성 평가에 이러한 공격을 포함해야 할 필요성을 강조합니다.