AAAIMay, 2021

CMUA-Watermark：一种跨模型通用对抗性水印方法，用于打击深度伪造技术

PDF
TL;DR本研究提出了一种新颖的跨模型通用对抗水印（CMUA-Watermark），可保护多个深度假像模型生成的众多面部图像，并通过两级扰动融合策略和启发式方法解决不同模型之间的对抗水印冲突问题。实验证明，该算法可以有效扰乱多个深度假像模型生成的虚假面部图像，且性能优于现有方法。
deepfakesadversarial watermarksfacial imagesmodel-level transferabilitycmua-watermark
发现论文，激发创造
  • 双重防御：面部交换的针对性、可追踪和隐形的鲁棒水印技术

    通过结合可追踪性和对抗性的新型全面主动防御机制 Dual Defense，将单一强大的水印隐式嵌入目标人脸，有效应对恶意人脸交换而引起的安全威胁，保持水印信息的完整性，具备优异的对抗性和可追踪性，并超越当前的防伪方法。

    Oct, 2023

  • DUAW：无需数据的通用对抗水印技术对抗稳定扩散自定义

    通过使用不可见的无数据普适对抗水印（DUAW），本研究提出了一种保护众多版权图像免受不同自定义方法和不同版本的 Stable Diffusion (SD) 模型侵权的方法。DUAW 的设计目的是干扰 Stable Diffusion 定制过程中的变分自编码器，它在一个无数据的环境中操作，通过对由大型语言模型（LLM）和预训练的 SD 模型产生的合成图像进行训练。该方法规避了直接处理受版权保护图像的必要性，从而保护了其机密性。实验证明，DUAW 能够有效地扭曲精细调整的 SD 模型的输出，使其对人类观察者和简单分类器都可分辨出来。

    Aug, 2023

  • 水印嵌入的对抗性样本用于抵抗扩散模型的版权保护

    提出了一种将个人水印嵌入敌对实例生成中的新框架，以生成具有可见水印的图像，防止敌对模型模仿未授权图像，并在各种条件图像生成场景进行广泛实验，证明了敌对实例具有良好的传递性，从而提供了一种保护基于扩散模型的版权的简单而有效的方法。

    Apr, 2024

  • 抗深度伪造换脸的鲁棒身份感知水印

    该研究提出了第一个强大的身份感知水印框架，可以主动地进行检测和源追踪来对抗 Deepfake 人脸交换，并在不同数据集和处理设置下展示了最先进的性能。

    Nov, 2023

  • 强化防御：提升对抗训练与数字水印技术的模型韧性

    该研究提出了一种新的框架，将对抗训练与水印技术相结合，以增强鲁棒性，抵御逃避攻击，并在知识产权盗窃情况下提供可信的模型验证。

    Dec, 2023

  • 图像处理网络的模型水印技术

    基于空间隐形水印技术，提出了一种图像处理模型的水印框架，防止模型权益被侵犯。实验证明，该水印技术可抵抗不同网络结构和目标函数训练出的替代模型。

    Feb, 2020

  • 水印是深度伪造检测器的漏洞吗？重新思考积极数字取证技术

    通过对水印技术进行改进，提出了一种名为 AdvMark 的方法，可用于增强图像的取证性和对抗性检测，以对抗 Deepfake 合成技术的威胁。

    Apr, 2024

  • Adv-watermark: 一种新颖的水印扰动方法用于对抗性样本

    本篇研究提出了将图像水印技术和对抗样本算法结合在一起生成一种新的对抗扰动 ——Adv-watermark，并且使用一种新的优化算法 Basin Hopping Evolution (BHE) 生成黑盒攻击模式下的对抗性水印，该方法比其他攻击方法更为高效和鲁棒。

    Aug, 2020

  • ROMark: 使用对抗训练的强韧数字水印系统

    本文提出利用对抗式机器学习中的稳健优化算法来提高基于卷积神经网络的数字水印框架的鲁棒性，在 COCO 数据集上的实验证明，稳健优化可以显著提高数字水印框架的鲁棒性。

    Oct, 2019

  • 可靠的模型数字水印技术：在保持逃避性能的同时防御盗窃

    利用扩散模型为防止未授权模型分发而合成无限制对抗样本作为触发器集合，通过知识注入而非错误记忆来促进独特的水印行为，并通过优化受保护模型的知识传递属性，无需过于猛烈的决策边界扰动即可将水印行为传递给提取替代物，从而提高对于逃避对手和水印清除攻击的鲁棒性。

    Apr, 2024