2D-Malafide：针对人脸深度伪造检测系统的对抗攻击

我们提出了 2D-Malafide，一种旨在欺骗人脸深度伪造检测系统的新型轻量级对抗攻击。基于语音领域探索的 1D 卷积扰动概念，我们的方法利用 2D 卷积滤波器构造扰动，显著降低了最先进的人脸深度伪造检测器的性能。与传统的加性噪声方法不同，2D-Malafide 优化少量滤波器系数以生成鲁棒且可跨不同人脸图像迁移的对抗扰动。在使用 FaceForensics++ 数据集进行的实验表明，2D-Malafide 在白盒与黑盒设置下均大幅降低了检测性能，其中较大的滤波器尺寸影响最大。此外，我们使用 GradCAM 进行了可解释性分析，说明了 2D-Malafide 如何通过改变最常用于分类的图像区域来误导检测系统。我们的发现突出了当前深度伪造检测系统对卷积对抗攻击的脆弱性，以及未来工作需要通过改进图像保真度约束来增强检测鲁棒性的必要性。