针对 AI 驱动图像伪造构建空白画布

AIGC 驱动的图像编辑技术大大简化了逼真级别的图像修改，导致严重的图像伪造风险。本文提出一种新方法，用于检测图像篡改，采用 Segment Anything Model（SAM）。我们并非训练 SAM 以识别被篡改区域，而是提出一种新策略。从神经模型的视角，将整幅图像转换为空白画布。对该空白画布的任何修改都将被神经模型察觉。为实现这一思想，我们引入对抗性扰动，以防止 SAM "看见任何东西"，从而在图像被篡改时识别伪造区域。由于 SAM 的强大感知能力，简单的对抗性攻击无法完全制服 SAM。为彻底欺骗 SAM 使其对图像视而不见，我们引入频率感知优化策略，进一步提升了篡改局部化能力。大量实验结果表明，我们的方法有效。