Oct, 2023

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

PDF
TL;DR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。
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

  • 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

  • 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

  • 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

    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。

    May, 2021

  • 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

  • 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

  • 提高不可感知性和鲁棒性的视频篡改检测鲁棒水印技术

    本研究提出了一种基于 3D-UNet 的视频水印网络，可以用于视频篡改定位和检测，通过模拟视频压缩和模糊等攻击，以实现对被攻击版本的篡改区域的准确定位和检测，并具有良好的不可感知性和鲁棒性。

    Jul, 2022

  • AI 图像检测器的稳健性：基本限制与实际攻击

    通过分析 AI 图像检测方法，研究了水印技术以及基于分类器的深度伪造检测器的强大性，发现在扰动预算较低的情况下，扩散纯化攻击能够有效地去除水印，而对于图像有明显更改的高扰动水印方法，我们开发了一种模型替换对抗攻击来成功去除水印。同时发现水印技术容易受到欺骗攻击，对开发者的声誉造成损害，并通过实验表明分类器的鲁棒性和可靠性之间存在基本的权衡关系。

    Sep, 2023

  • 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

  • Spy-Watermark：强韧隐形数字水印用于后门攻击

    提出了一种名为 Spy-Watermark 的新型后门攻击方法，其中引入了一种可学习的图像潜在空间中嵌入的水印作为触发器，通过多个防崩溃操作进一步增强触发器对数据损坏的韧性，从而在面对数据崩溃和后门防御时仍然有效。在 CIFAR10、GTSRB 和 ImageNet 数据集上进行了大量实验，展示了 Spy-Watermark 在鲁棒性和隐秘性方面超过了十种最先进方法。

    Jan, 2024