基于多智能体对抗强化学习的 DeepForgeSeal：面向深度伪造检测的潜在空间半fragile水印
计算机视觉与模式识别
2025-11-10 v1 人工智能
摘要
生成式 AI 的快速发展导致深度伪造图像日益逼真，给执法部门和公众信任带来挑战。现有被动深度伪造检测器难以跟上，主要因其依赖特定的伪造痕迹，限制了对新类型深度伪造的泛化能力。基于水印的主动深度伪造检测已涌现以应对识别高质量合成媒体的挑战。然而，这些方法常常难以在善意扭曲的鲁棒性与恶意篡改的敏感性之间取得平衡。本文引入一种新型深度学习框架，运用高维潜在空间表示和多智能体对抗强化学习 (MAARL) 范式，开发稳健且自适应的水印方法。具体而言，我们开发了一个在潜在空间中操作的可学习水印嵌入器，捕获高层次图像语义，同时实现对信息编码和提取的精确控制。MAARL 范式使可学习水印代理能够通过与由对抗性攻击者代理模拟的动态课程中的善意和恶意图像操作互动，追求鲁棒性与fragility 之间的最优平衡。在 CelebA 和 CelebA-HQ 数据集上进行的全面评估显示，我们的方法在面对挑战性操作情景时 consistently 优于 state-of-the-art 方法，在 CelebA 上实现超过 4.5% 的提升，在 CelebA-HQ 上实现超过 5.3% 的提升。
引用
@article{arxiv.2511.04949,
title = {DeepForgeSeal: Latent Space-Driven Semi-Fragile Watermarking for Deepfake Detection Using Multi-Agent Adversarial Reinforcement Learning},
author = {Tharindu Fernando and Clinton Fookes and Sridha Sridharan},
journal= {arXiv preprint arXiv:2511.04949},
year = {2025}
}