针对 GAN 检测的共现特征对抗攻击
图像与视频处理
2020-09-17 v1
摘要
生成对抗网络（GANs）的改进大大降低了生成具有独特语义意义的新照片级真实图像的难度。随着生成伪造图像能力的提升，对其检测的需求也随之而来。虽然针对该任务已开发了许多方法，但其中大多数仍易受对抗攻击。本文提出了两种针对基于共现的 GAN 检测器的新型对抗攻击。这是针对此类检测器提出的首批攻击。我们表明，在不知晓深度学习模型或权重的情况下，我们的方法可将准确率从超过 98% 降低到低于 4%。此外，在完全掌握深度学习模型细节的情况下，准确率可降低至 0%。
引用
@article{arxiv.2009.07456,
title = {Adversarial Attacks on Co-Occurrence Features for GAN Detection},
author = {Michael Goebel and B. S. Manjunath},
journal= {arXiv preprint arXiv:2009.07456},
year = {2020}
}