CMUA-Watermark：一种用于对抗深度伪造的跨模型通用对抗水印
计算机视觉与模式识别
2021-12-15 v2 人工智能
摘要
深度伪造（即根据人脸图像生成目标面部属性或完整人脸的技术）的恶意应用已对个人的声誉与安全构成巨大威胁。为缓解这些威胁，近期研究提出了对抗水印以对抗深度伪造模型，使其生成失真输出。尽管取得了令人印象深刻的成果，这些对抗水印的图像级与模型级可迁移性较低，意味着它们仅能保护单张人脸图像免受某一个特定深度伪造模型的侵害。为解决这些问题，我们提出了一种新方案，可生成跨模型通用对抗水印（CMUA-Watermark），保护大量人脸图像免受多个深度伪造模型的攻击。具体而言，我们首先提出一个跨模型通用攻击流水线，迭代攻击多个深度伪造模型。接着，我们设计了一种两级扰动融合策略，以缓解由不同人脸图像与模型生成的对抗水印之间的冲突。此外，我们通过启发式方法解决跨模型优化中的关键问题，自动为不同模型寻找合适的攻击步长，进一步削弱模型级冲突。最后，我们引入了一种更合理且全面的评估方法，以充分测试所提方法并与现有方法比较。大量实验结果表明，所提出的CMUA-Watermark能有效扭曲多个深度伪造模型生成的伪造人脸图像，同时取得优于现有方法的性能。
引用
@article{arxiv.2105.10872,
title = {CMUA-Watermark: A Cross-Model Universal Adversarial Watermark for Combating Deepfakes},
author = {Hao Huang and Yongtao Wang and Zhaoyu Chen and Yuze Zhang and Yuheng Li and Zhi Tang and Wei Chu and Jingdong Chen and Weisi Lin and Kai-Kuang Ma},
journal= {arXiv preprint arXiv:2105.10872},
year = {2021}
}
备注
9 pages, 7 figures, Thirty-Sixth AAAI Conference on Artificial Intelligence, AAAI22