Feb, 2024
关于生成型人工智能领域中 DCT 轨迹的利用
On the Exploitation of DCT-Traces in the Generative-AI Domain
Orazio Pontorno, Luca Guarnera, Sebastiano Battiato
TL;DR自从出现以来，Deepfakes 代表了网络安全与数字取证领域中最棘手的挑战之一。在最近几年，研究人员发现，生成模型在合成数据中留下了独特的痕迹，如果详细分析和确定，可以利用这些痕迹来改善现有 Deepfake 检测器的泛化能力。本文通过在频域中分析 Deepfake 图像，详细研究了离散余弦变换 (DCT) 的 beta-AC 系数。我们认识到并假设不是所有系数对图像识别的贡献都相同，推测每种图像都嵌入了特定系数组合的唯一 “辨别指纹”。为了识别它们，我们使用机器学习分类器训练了各种系数组合。将可解释 AI (LIME) 算法与神经分类器相结合，探索了系数的替代组合，可以更深入地了解合成图像的辨别特征。实验结果揭示了使用特定的 beta-AC 系数组合以改善生成模型留下的痕迹分析的巨大潜力。