面向人脸伪造检测的交叉域鲁棒深度伪造偏置扩展网络
计算机视觉与模式识别
2023-10-10 v1
摘要
深度伪造技术的快速发展引发了人们对人脸识别系统安全性的重大担忧。尽管现有方法利用深度伪造技术留下的线索进行人脸伪造检测，恶意用户可能有意篡改伪造人脸以掩盖深度伪造线索痕迹，从而欺骗检测工具。同时，基于数据的方法要实现交叉域鲁棒性存在挑战，因为训练数据可能存在缺口，未必涵盖所有相关域的样本。因此，本文提出一种解决方案——交叉域鲁棒偏置扩展网络（BENet），旨在增强人脸伪造检测。BENet 采用自编码器重建输入人脸，保持真实人脸的不变性，同时选择性地增强重建的伪造人脸与其原始对应物之间的差异。这一增强的偏置构成了可赖以构建可靠伪造检测的鲁棒基础。为优化 BENet 中的重建结果，我们采用融入对比概念的偏置扩展损失来实现上述目标。此外，为进一步放大伪造线索，BENet 引入了潜空间注意力（LSA）模块。该 LSA 模块有效捕获自编码器编码器与解码器之间潜特征的变化，聚焦于不一致的伪造相关信息。进而，BENet 结合带阈值的交叉域检测器以判断样本是否属于已知分布。通过交叉域检测器对分类结果进行校正，使 BENet 能够防御来自交叉域的未知深度伪造攻击。大量实验表明，在库内与跨库评估中，BENet 相较 SOTA 方法均具有优越性。
引用
@article{arxiv.2310.05124,
title = {Cross-domain Robust Deepfake Bias Expansion Network for Face Forgery Detection},
author = {Weihua Liu and Lin Li and Chaochao Lin and Said Boumaraf},
journal= {arXiv preprint arXiv:2310.05124},
year = {2023}
}