基于纹理特征扰动的深度伪造防御

深度伪造技术的快速发展对社会信任和信息安全构成严峻挑战。虽然大多数现有检测方法主要依赖被动分析，但由于难以解决高质量深度伪造内容，主动防御方法近期涌现，即在图像编辑之前插入不可见信号。本文引入了一种基于面部纹理特征的主动深度伪造检测方法。由于人类眼睛对光滑区域的扰动更敏感，我们在具有低感知显著性的纹理区域中不可见地插入扰动，对关键纹理区域应用局部扰动，同时最小化非纹理区域的不需要噪声。我们的纹理引导扰动框架首先通过局部二值图（LBP）提取初步纹理特征，然后引入双模型注意力策略生成和优化纹理扰动。在 CelebA-HQ 和 LFW 数据集上的实验表明，我们的方法在扰曲深度伪造生成和在多种攻击模型下产生明显视觉缺陷方面表现出色，为主动深度伪造检测提供了一种高效且可扩展的解决方案。