面部特征决定因素：基于动态水印的主动深度伪造检测方法
计算机视觉与模式识别
2024-11-25 v1 密码学与安全
机器学习
图像与视频处理
摘要
当前被动的深度伪造人脸交换检测方法在模型泛化能力方面存在显著瓶颈。而主动检测方法通常使用固定水印，这些水印缺乏与其保护内容的密切关联，容易受到安全风险。基于面部特征的动态水印提供了一条有前景的解决方案，因为这些特征提供了独特的标识符。因此，本文提出了一种基于面部特征的主动深度伪造检测方法（FaceProtect），其利用深度伪造操作中面部特征变化的新颖检测机制。我们引入了一个基于 GAN 的单向动态水印生成机制（GODWGM），使用 128 维的面部特征向量作为输入。该方法从面部特征到水印之间创建不可逆的映射，增强了对各种逆向推理攻击的防护能力。此外，我们提出了一种水印验证策略（WVS），将 steganography 与 GODWGM 结合，允许在图像中同时传输代表面部特征的基准水印。实验结果表明，我们提出的方法在各种深度伪造技术修改后的图像上保持卓越的检测性能，并显示出高实用性。
引用
@article{arxiv.2411.14798,
title = {Facial Features Matter: a Dynamic Watermark based Proactive Deepfake Detection Approach},
author = {Shulin Lan and Kanlin Liu and Yazhou Zhao and Chen Yang and Yingchao Wang and Xingshan Yao and Liehuang Zhu},
journal= {arXiv preprint arXiv:2411.14798},
year = {2024}
}