Компьютерная наука > Криптография и безопасность [представлен 8 сентября 2026 года] Название: DRIFT: Удаление дисфункционных водяных знаков путем отключения генераторного трансекторного обзора HTML (экспериментального) резюме: Поддающиеся проверке сигналы, вводимые водомаркировками в процесс регенерации, обычно проверяют их посредством восстановления данных, зависящих от траектории, что делает эти знаки надежными для обычных пиксел-космосных искажений. Существующие атаки на удаление либо возрождаются вдоль детерминистских траекторий, которые часто сохраняют водонасыщенную латентную структуру, или оптимизируют каждое изображение отдельно. Мы идентифицируем опору на извлекаемую дегенеративную траекторию как общую поверхность атаки среди изучаемых схем. Исходя из этого наблюдения, мы предлагаем DRIFT атаку черного ящика, которая сочетает частичное переднее диффузие со стохастическим обратный выборкой. Ориентировочные предельные значения для повторного зашумления, которые имеются в наличии у стационарного нефтепровода, а стохастические реверсы обеспечивают альтернативные пути, связанные с шумом и выгоды от удаления которых мы изолируем путем сопоставления соответствующих пробоотборников. Адаптивная DRIFT ищет выбранную лестницу для первой отверждённой ранги каждого изображения и уточняет верность, сохраняя только обновления, отклоненные одним и тем же проверяющим. На фиксированной глубине мы вычисляем границы между информацией - теоретиком и зависимостью от источника -…
DRIFT: Удаление дисфункциональных водяных знаков путем обезвреживания генераторной траектории
arXiv: 2609.08213v1 Тип уведомления: перекрестное резюме: дисфункция водяных знаков впитывает поддающиеся проверке сигналы в процесс регенерации и, как правило, проверяет их путем восстановления данных, зависящих от траектории движения, делая эти знаки надежными для обычных перекосов пиксел-пространства. Существующие атаки на удаление либо возрождаются вдоль детерминистских траекторий, которые часто сохраняют водонасыщенную латентную структуру, или оптимизируют каждое изображение отдельно. Мы идентифицируем опору на извлекаемую дегенеративную траекторию как общую поверхность атаки среди изучаемых схем. Исходя из этого наблюдения, мы предлагаем DRIFT атаку черного ящика, которая сочетает частичное переднее диффузие со стохастическим обратный выборкой. Ориентировочные предельные значения для повторного зашумления, которые имеются в наличии у стационарного нефтепровода, а стохастические реверсы обеспечивают альтернативные пути, связанные с шумом и выгоды от удаления которых мы изолируем путем сопоставления соответствующих пробоотборников. Адаптивная DRIFT ищет выбранную лестницу для первого просмотра каждого изображения