AS-FIBA：针对深度人脸恢复后门攻击的自适应选择性频率注入
计算机视觉与模式识别
2025-04-09 v2
摘要
基于深度学习的人脸恢复模型在智能设备中日益普及，已成为复杂后门攻击的目标。这些攻击通过向输入人脸图像注入细微的触发器，可能导致意外的恢复结果。与专注于分类任务的传统方法不同，我们的方法引入了一种专为攻击恢复模型量身定制的独特退化目标。此外，我们提出了自适应选择性频率注入后门攻击（AS-FIBA）框架，利用神经网络在频域中生成特定于输入的触发器，将触发器与良性图像无缝融合。这导致了难以察觉却有效的攻击，引导恢复预测向轻微退化的输出发展，而非显眼的目标。大量实验证明了该退化目标在最先进的人脸恢复模型上的有效性。此外，值得注意的是，AS-FIBA 能够插入有效的后门，且比现有的后门攻击方法（包括 WaNet、ISSBA 和 FIBA）更难以察觉。
引用
@article{arxiv.2403.06430,
title = {AS-FIBA: Adaptive Selective Frequency-Injection for Backdoor Attack on Deep Face Restoration},
author = {Zhenbo Song and Wenhao Gao and Zhenyuan Zhang and Jianfeng Lu},
journal= {arXiv preprint arXiv:2403.06430},
year = {2025}
}