Dec, 2023

合成黑盒反取证深度伪造视频实现高质量视觉效果

PDF
TL;DR提出了一种生成新型对抗性锐化掩模以发动黑盒反取证攻击的方法，通过注入这些扰动，DeepFakes 在展示愉悦的锐化视觉效果的同时能够实现高强度的反取证性能，成功干扰了先进的 DeepFake 检测器，并且与现有的 DeepFake 反取证方法相比，所提出的方法渲染出的反取证 DeepFakes 具有显著的视觉优势。
deepfakeai technologyforensicsanti-forensics attacksdeepfake detectors
发现论文，激发创造
  • 图像反取证的深度图像恢复

    本研究旨在改进图像质量并通过深度图像恢复模型增强伪造图像的检测难度，同时测试深度学习方法与非深度学习方法在现有图像篡改检测模型上的效果，结果显示现有图像伪造检测模型无法对所提出的方法进行有效检测。

    May, 2024

  • 隐匿明目之间：对抗性干扰扰乱人工智能人脸合成

    本研究通过在训练数据中添加微不可见的对抗干扰因素，破坏基于深度神经网络的人脸检测器的质量，从而防止个人受到最近利用 AI 合成的假面孔可能造成的负面社会影响。我们在白盒、灰盒和黑盒环境下描述了攻击方案，并在若干数据集上实证展示了我们的方法破坏最先进的基于 DNN 的人脸检测器的有效性。

    Jun, 2019

  • 对抗生成网络中的 Deepfake: 评估 Deepfake 检测器对对抗样本的容错性

    本文讲述了近年来视频技术的进步使得生成假视频变得比以往更容易，同时也提到人工智能生成的 Deepfake 视频可以通过对抗性修改来欺骗现有的检测器并且具有实际威胁。研究者在本文中提出了可以误导 DNN 检测器认为 Deepfake 视频为真实的白盒和黑盒攻击方案。

    Feb, 2020

  • 深度伪造检测的对抗威胁：实用角度分析

    本研究以黑盒方式对当今最先进的 DeepFake 检测方法进行批判性漏洞研究，旨在提高其鲁棒性，包括对抗攻击和使用通用对抗样本进行更容易的攻击。该研究还在 DeepFake 检测挑战赛的获奖入口上进行了评估，并证明了它们可以很容易地被跨模型攻击所绕过。

    Nov, 2020

  • DeepFidelity：深伪造：感知伪造保真度评估用于深度假脸检测

    DeepFidelity 和 SSAAFormer 是一种新的深度伪造检测框架和网络结构，能够自适应地区分具有不同图像质量的真实和伪造人脸图像，并在多个基准数据集上展现出优势。

    Dec, 2023

  • 探索基于决策的黑盒攻击对人脸伪造检测的影响

    利用决策导向攻击和频率线索，我们提出了一种新的人脸伪造攻击方法，具有高查询效率和保证图像质量，在 FaceForensics++、CelebDF 和工业 API 上实现了攻击性能的最新突破，同时揭示了人脸伪造检测器的安全问题。

    Oct, 2023

  • 使用白盒攻击和黑盒攻击逃避深度伪造图像检测器

    本研究发现了一些图像取证分类器的脆弱性，提出了五种攻击案例，在实验中发现通过篡改图像，向合成器的潜在空间添加噪声模式等方式，均能有效地降低分类器的区分真伪的准确率，揭示了某些图像取证分类器的显著弱点。

    Apr, 2020

  • 媒体取证与深伪造系统综述

    这篇综述论文讨论了 Deepfake 技术的方法和应用，包括面部操纵、深度学习、伪造检测技术和虚假图像的识别。

    Jun, 2024

  • 通过面向转换的对抗性人脸防御，抵御基于 GAN 的深度伪造攻击

    本研究提出了使用差分随机图像变换的对抗攻击作为 GAN-based Deepfake 的防御方法，同时使用基于集合的方法加强了攻击的鲁棒性。

    Jun, 2020

  • 深度伪造算法的比较分析

    通过综述现有的 deepfake 生成和检测技术，本文分析了基于深度学习的 deepfake 创建方法和检测技术，并讨论了当前的 deepfake 检测方法的局限性和挑战，以及未来的研究方向，强调了对 deepfake 检测技术持续研究和发展的重要性，以应对 deepfake 对社会的负面影响，并确保数字视觉媒体的完整性。

    Sep, 2023