CVPRMar, 2021

MagDR: 基于掩码引导的检测和重建技术用于深度伪造防御

PDF
TL;DR本文提出了一个名为 MagDR 的方案，该方案基于掩码引导检测和重建流程，以对抗 Deepfakes 的对抗攻击。利用检测模块来定义 Deepfakes 的输出异常性，提取适应性掩码来捕获局部面部区域的变化，并通过学习重构流程实现防御。MagDR 在防御黑盒和白盒攻击方面表现出有希望的性能。
deepfakesadversarial attacksmagdrdetection modulereconstruction pipeline
发现论文，激发创造
  • 一种基于掩码的对抗性防御方案

    本文介绍了一种新的基于掩码的防御策略（MAD），使用此方法可提高深度神经网络模型对低强度的输入扰动的防御能力，相比现有的防御技术该方法不需要任何附加去噪结构或对模型设计的改变，并且实验证明该方法可以对多种对抗性攻击的深度神经网络模型的防御能力提高 20% 至 90% 的分类精度。

    Apr, 2022

  • 蒙面人戴口罩

    本研究探究了配备口罩检测器的现代人脸识别系统在大规模戴口罩时的潜在漏洞，并提出了一种新的任务 —— 生成逼真的对抗性口罩面孔以欺骗两个系统，经过实验后发现对近期的深度学习人脸识别系统来说具有破坏性。

    Jan, 2022

  • MagGAN：带掩模的生成对抗网络高分辨率人脸属性编辑

    本文提出了一种面向高分辨率人脸属性编辑的掩码引导生成对抗网络 (MagGAN)，通过使用预先训练的人脸分析器中的语义面部掩码来指导细粒度的图像编辑过程。

    Oct, 2020

  • 用于增强深度伪造检测的掩码条件扩散模型

    本研究提出一种基于扩散模型的数据增强方法，通过生成多样化的伪造人脸图像，帮助提升深度伪造检测模型的性能。实验证明，所采用方法生成的伪造图像质量高，并能有效改善深度伪造检测模型的性能。

    Feb, 2024

  • UnMask：基于鲁棒特征对齐的对抗性检测与防御

    UnMask 是一种基于鲁棒特征对齐的对抗性检测和防御框架，能够保护深度学习模型免受对抗性攻击，并在灰盒攻击设置下检测到高达 96.75％ 的攻击，并以 93％的准确度正确分类出当前最强攻击之一的 PGD 制造的对抗性图像

    Feb, 2020

  • 隐秘的物理面部伪装识别攻击通过对抗性样式优化

    本研究提出了一种对深度学习人脸识别模型进行针对性攻击的新型隐蔽物理掩码攻击方法，通过对抗性风格优化，在风格掩码内隐藏对抗扰动，实现了强大而隐蔽的对抗风格掩码生成，通过广泛的实验验证了该方法的有效性和可移植性。

    Sep, 2023

  • 基于三维感知的对抗妆容生成技术用于人脸隐私保护

    本文提出了一种 3D 感知的对抗性化妆生成 GAN 模型，旨在提高身份信息遮盖的合成化妆品的质量和可转移性，进而保护人脸不被各种人脸识别模型与商业面部验证 API，如 Face++，百度和阿里云等识别。

    Jun, 2023

  • MaDi：学习遮蔽干扰项以实现视觉深度强化学习的泛化能力

    MaDi 是一种基于奖励信号学习屏蔽干扰的算法，通过使用一个轻量级的神经网络生成动态的遮罩，让深度强化学习代理能够集中学习任务，从而改善了代理的焦点和泛化能力。

    Dec, 2023

  • 自监督变形器与领域自适应重建用于一般人脸伪造视频检测

    通过自我监督学习的实现，该论文提出了一种自我监督变压器协同对比和重建学习 (CoReST) 方法，该方法首先仅在真实人脸视频上进行自我监督预训练，然后在特定的人脸伪造视频数据集上用线性头进行微调，通过引入对比和重建学习的辅助任务来增强表示学习，同时引入领域适应性重建模块来弥合不同伪造领域之间的差距，实验结果表明，该方法在公共数据集上的表现比现有的有监督竞争方法更好，并具有令人印象深刻的泛化性能。

    Sep, 2023

  • 通过恢复人脸和映射恢复的人脸来检测具有不可预测篡改痕迹的深度伪造视频

    利用 Recap 模型的特定方法和过程，可以有效检测 Deepfake 视频并放大真伪之间的差异。

    Aug, 2023