FaceSigns：用于媒体认证与对抗深度伪造的半脆弱神经水印

由于近期逼真图像与视频合成技术的进展，深度伪造与篡改媒体正成为显著威胁。已有若干利用机器学习分类器对抗深度伪造的尝试。然而，此类分类器对黑盒图像合成技术泛化性差，且已被证明易受对抗样本攻击。为应对这些挑战，我们引入一种基于深度学习的半脆弱水印技术，通过验证嵌入图像像素中的不可见秘密信息来实现媒体认证。我们不是利用视觉伪影识别检测伪造媒体，而是提议将半脆弱水印主动嵌入真实图像，以便在需要时证明其真实性。我们的水印框架设计为对面部篡改或操纵脆弱，同时对良性图像处理操作（如图像压缩、缩放、饱和度、对比度调整等）鲁棒。这使得经互联网分享的图像只要未被换脸或任何其他深度伪造修改技术处理，便可保留可验证水印。我们展示 FaceSigns 可将 128 位秘密作为不可感知的图像水印嵌入，并在多种压缩级别下以高位恢复准确率恢复，而在未见深度伪造篡改下不可恢复。对于我们工作中研究的一组未见良性及深度伪造操纵，FaceSigns 以 0.996 的 AUC 分数可靠检测篡改内容，显著优于先前图像水印与隐写技术。