面向合成媒体检测与溯源的自适应自治系统

生成式人工智能的快速进步使得创建高度逼真的合成图像成为可能,这些图像虽然在许多领域具有价值,但也在虚假信息、欺诈及其他恶意应用方面带来了严重风险。现有的合成图像识别系统通常是静态的,依赖于从已知生成器学习到的特征表示;随着新生成模型的出现,这些系统会出现严重的性能下降。本文提出了自适应自治合成媒体识别系统的概念——该系统不仅能够检测合成图像并将其溯源至已知来源,还能在没有人工干预的情况下自主识别并纳入新的生成器。我们的方法采用开放集识别策略,结合可演化的嵌入空间来区分已知与未知来源。通过使用无监督聚类方法将未知样本聚合为高置信度簇,并持续优化其决策边界,即使在生成式生态不断演进的情况下,我们的系统仍能保持稳健的检测与溯源性能。大量实验表明,我们的方法显著优于现有方法,标志着在生成模型快速发展的时代迈向通用、可适配取证系统的关键一步。