深度伪造网络架构溯源
计算机视觉与模式识别
2022-03-15 v2
摘要
随着生成技术的快速进展，对伪造图像的来源进行溯源已变得必要。现有伪造图像溯源工作对若干生成对抗网络(GAN)模型进行多分类并获高准确率。尽管令人鼓舞，这些工作局限于模型级溯源，仅能处理由已知模型以特定种子、损失与数据集生成的图像，在伪造图像可能由 privately 训练模型生成的真实场景中受限。这促使我们探究：是否可能将伪造图像溯源至源模型的架构，即便它们在不同的配置下被微调或重训。本工作中，我们提出首个深度伪造网络架构溯源研究，在架构级对伪造图像溯源。基于GAN架构可能留下全局一致指纹而模型权重留下的痕迹在不同区域变化的观察，我们为此问题提供名为DNA-Det的简单而有效的方案。在多个交叉测试设置与大规模数据集上的大量实验证明了DNA-Det的有效性。
引用
@article{arxiv.2202.13843,
title = {Deepfake Network Architecture Attribution},
author = {Tianyun Yang and Ziyao Huang and Juan Cao and Lei Li and Xirong Li},
journal= {arXiv preprint arXiv:2202.13843},
year = {2022}
}
备注
Accepted to AAAI'22