针对AI图像检测中的漏洞：挑战与解决方案
计算机视觉与模式识别
2024-12-03 v1 人工智能
摘要
先进的AI模型，如生成对抗网络（GANs）和类似Stable Diffusion的扩散模型，使得创建高度逼真的图像变得易于获取，这些图像可能被用于误information和操纵，带来风险。本研究评估了卷积神经网络（CNN）以及DenseNet架构用于检测AI生成图像的有效性。使用包括由不同版本的Stable Diffusion生成的图像的CIFAKE数据集变体，我们分析了更新和修改（如高斯模糊、提示文本更改以及Low-Rank Adaptation（LoRA））对检测准确性的影响。研究结果突显了当前检测方法的漏洞，并提出了增强AI图像检测系统鲁健性和可靠性的策略。
引用
@article{arxiv.2412.00073,
title = {Addressing Vulnerabilities in AI-Image Detection: Challenges and Proposed Solutions},
author = {Justin Jiang},
journal= {arXiv preprint arXiv:2412.00073},
year = {2024}
}