May, 2023

SepMark：用于统一源追踪和 Deepfake 检测的深度可分离水印技术

PDF
TL;DRSepMark 是一种主动防御措施，采用基于编码器 - 解码器的水印嵌入方法，其中包含两个可分离解码器，Tracer 提供高鲁棒性，Detector 则对恶意畸变具有可选择性敏感性，只有 Tracer 和 Detector 组成的 SepMark 可以可靠地追踪标记人脸的可信来源并检测其标记后是否被篡改。
deepfakessepmarkwatermarkingtracerdetector
发现论文，激发创造
  • 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

  • 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

  • FaceSigns: 媒体认证和对抗 Deepfakes 的半脆弱神经水印

    该研究提出了一种基于深度学习的半脆弱水印技术，该技术通过验证嵌入在图像像素中的隐秘信息来实现媒体身份验证，可以抵抗面部操纵和篡改，同时也是鲁棒的，可以保持图像在顺利处理后的真实性。

    Apr, 2022

  • 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

  • FakeTagger: 通过溯源追踪，对抗 DeepFake 的广泛传播

    本文讨论了利用图像标记进行 DeepFake 的来源追踪的潜力，并提出了一种名为 FakeTagger 的基于深度学习的方法，该方法可以将嵌入的消息以高置信度恢复到面部图像中，可以有效地保护个人照片不被 DeepFaked。

    Sep, 2020

  • 双重隐私保护：面向人脸识别的稳健可追踪对抗水印

    基于可追踪对抗性水印技术的双重隐私保护方案 (DPG)，通过在载体的深层特征空间中嵌入身份特定的水印，欺骗未授权的人脸识别模型以同时允许授权者对身份进行验证，实现了显著的攻击成功率、可追踪性精度和优秀的鲁棒性。

    Apr, 2024

  • UnMarker：一种针对防护水印的通用攻击

    通过对水印范式进行深入分析，我们提出了第一个实际的对抗语义性水印的攻击 UnMarker，该攻击不仅可以击败传统方案并且保持更高的质量，还可以破坏修改图像结构的语义性水印，将最佳检测率降低到 43％并使其无用。

    May, 2024

  • FakeTracer: 通过在训练中植入追踪信息主动防御面部交换深伪造

    通过在训练中植入可持续性和可擦除性的痕迹，我们设计了一个新的主动防御方法 FakeTracer，有效地暴露了 DeepFakes。

    Jul, 2023

  • DeepTextMark：基于深度学习的文本水印技术，应用于检测大规模语言模型生成的文本

    本研究提出了 DeepTextMark，是一个基于深度学习技术的文本水印方法，能够实现对文本来源的高质量检测，具有盲性、鲁棒性、隐蔽性和可靠性，是一种用于文本生成系统的附加系统。

    May, 2023

  • 隐藏与寻找：数字水印对人脸识别的影响

    我们研究了数字水印技术对人脸识别模型有效性的影响，并提出了一种综合流程，通过人脸图像生成、数字水印和人脸识别的整合来系统地研究这个问题。我们的发现突显了数字水印技术与人脸识别准确性之间微妙的权衡关系，这对于负责任地利用生成模型进行人脸识别并引发关于水印技术在生物识别中的更广泛影响的讨论起到了重要的推动作用。

    Apr, 2024