Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
텍스트-이미지 확산 모델의 소유권 검증을 위한 새로운 방법론인 Cert-LAS를 제안합니다. 계층 적응형 평활화(LAS)를 활용하여 공격자가 워터마크 신호를 손상시키더라도 신뢰할 수 있는 검증이 가능하도록 설계되었습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.GR (Graphics)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기대규모 텍스트-이미지 (T2I) 확산 모델 (Diffusion Models)은 전례 없는 창의적인 애플리케이션을 가능하게 했으나, 무단 사용으로 인한 심각한 지적 재산권 문제가 제기되면서 모델 소유권 검증 (Model Ownership Verification, MOV)의 중요성이 점점 더 커지고 있습니다. 우리는 기존의 백도어 기반 확산 워터마킹 (Diffusion Watermarking) 방식들이 종종 (암묵적으로) "충실한" 검증 프로세스, 즉 검증자가 의심스러운 모델에 쿼리를 날려 MOV를 완료하기 위한 충실한 워터마크 응답을 얻을 수 있다고 가정한다는 것을 발견했습니다. 그러나 실제 상황에서 공격자는 의도적 또는 비의도적으로 잠재적인 워터마크 신호를 손상시킬 수 있으며, 이는 검증 신뢰도를 크게 저하시킵니다. 이 문제를 해결하기 위해, 우리는 계층 적응형 평활화 (Layer-Adaptive Smoothing, LAS)를 기반으로 한 T2I 모델을 위한 최초의 인증된 MOV 방법인 Cert-LAS를 제안합니다. 일반적으로 Cert-LAS는 확산 분류기 (Diffusion Classifiers)와 LFS 가이드 계층 적응형 노이즈 (LFS-guided layer-adaptive noise)를 사용하여 지정된 워터마크를 삽입하며, 가설 검정 (Hypothesis Testing)을 통해 의심되는 모델이 워터마크가 없는 참조 모델에 비해 현저히 더 강한 워터마크 응답을 보이는지 조사함으로써 소유권을 검증합니다. 나아가 우리는 특정 조건 하에서, 악의적인 제거 공격 (Removal Attacks)이 존재하는 상황에서도 우리의 Cert-LAS가 여전히 신뢰할 수 있는 검증을 달성할 수 있음을 증명합니다. 광범위한 실험을 통해 Cert-LAS의 효과와 적응형 공격 (Adaptive Attacks)에 대한 저항성을 입증했습니다. 우리의 코드는 https://github.com/Leyi-Qi/Cert-LAS 에서 확인할 수 있습니다.