面向图像伪造局部化的主动对抗噪声抑制
计算机视觉与模式识别
2025-06-17 v1
摘要
近期的深度学习技术显著推动了图像伪造局部化技术的发展。然而，现有模型对对抗攻击高度脆弱：添加到伪造图像上的不可感知噪声会严重误导这些模型。在本文中，我们提出了一种对抗噪声抑制模块（ANSM），以生成防御性扰动来抑制对抗噪声的攻击效应。我们观察到，从对抗性和原始伪造图像中提取的伪造相关特征分布存在差异。为弥合这一差距，我们引入伪造相关特征对齐（FFA）作为一级训练策略，通过最小化这些特征在通道级别的 KL 散度来减少分布性差异。为进一步细化防御性扰动，我们设计了第二级训练策略，称为掩码引导的细化（MgR），该策略引入双掩码约束。MgR 确保扰动对 both 对抗性和原始伪造图像都有效，恢复伪造局部化在对抗图像上的准确性。广泛的实验表明，我们的方法显著恢复了在对抗图像上对伪造局部化模型的性能。值得注意的是，当将 ANSM 应用于原始伪造图像时，性能几乎不受影响。到我们目前所知，这是首次报告针对图像伪造局部化任务的对抗防御。我们已发布源代码和反伪造数据集。
引用
@article{arxiv.2506.12871,
title = {Active Adversarial Noise Suppression for Image Forgery Localization},
author = {Rongxuan Peng and Shunquan Tan and Xianbo Mo and Alex C. Kot and Jiwu Huang},
journal= {arXiv preprint arXiv:2506.12871},
year = {2025}
}