基于低频感知扰动的面部换脸破坏性攻击
计算机视觉与模式识别
2025-08-29 v1
摘要
深度伪造技术由生成对抗网络 (GAN) 驱动，构成对隐私和社会安全的重大威胁。现有检测方法主要为被动式，聚焦于事后分析，无法阻止攻击。为此，本文提出一种基于低频感知扰动的主动防御方法，以破坏面部换脸操作，降低生成内容的性能和自然性。不同于以往针对分类准确率影响低频扰动的做法，本方法直接针对深度伪造技术的生成过程。我们结合频域和空间域特征以强化防御。通过在保留高频细节的同时引入低频扰动，确保输出内容在视觉上仍具可信度。此外，本文设计了包含编码器、扰动生成器和解码器的完整架构，利用离散小波变换 (DWT) 提取低频分量，生成扰动以干扰面部操纵模型。在 CelebA-HQ 和 LFW 数据集上的实验表明，面部换脸效果显著降低，防御成功率提升，同时保持视觉质量。
引用
@article{arxiv.2508.20595,
title = {Disruptive Attacks on Face Swapping via Low-Frequency Perceptual Perturbations},
author = {Mengxiao Huang and Minglei Shu and Shuwang Zhou and Zhaoyang Liu},
journal= {arXiv preprint arXiv:2508.20595},
year = {2025}
}
备注
Accepted to IEEE IJCNN 2025