大哥大在观察：基于可学习隐藏面部的主动深度伪造检测

随着深度伪造技术的不断进步，被动检测方法在各种伪造操作和数据集上难以获得良好泛化性。主动防御技术正受到广泛关注，主要目标是有效防止深度伪造操作的正常工作。本文旨在弥合被动检测与主动防御之间的鸿沟，并寻求一种基于主动方法来解决检测问题的方案。灵感来源于若干基于水印的 Forensic 方法，我们探索了一种基于“将可学习的面部隐藏在面部中”概念的新型检测框架。具体地，依托一种半fragile 可逆隐写网络，将密钥模板图像不可感知地嵌入到宿主图像中，作为监控任何恶意图像篡改的指示器。与其手动指定密钥模板，不如在训练期间对其进行优化，使其 resemble 一个中性面部外观，就像一个“大哥大”隐藏在待受保护的图像中。通过融合自混合机制和鲁棒学习策略，并引入仿真传输信道，构建了一个 robust 检测器，能够准确区分隐写图像是否被恶意篡改或良性处理。最终，在多个数据集上进行的大量实验表明，所提出的方法在与竞争性被动和主动检测方法相比时具有显著优势。