FakeTagger：基于来源追踪抵御 DeepFake 传播的鲁棒防护机制
密码学与安全
2021-09-28 v3
摘要
近年来，由于生成对抗网络（GAN）在图像合成方面的显著进展，DeepFake 正成为对社会的一种常见威胁。遗憾的是，现有针对 DeepFake、用于判断人脸图像真伪的各类研究仍处于早期阶段。显然，当前的 DeepFake 检测方法难以跟上 GAN 的快速进展，尤其在对抗场景中攻击者可有意规避检测，例如添加扰动以欺骗基于 DNN 的检测器。被动检测仅告知图像真假，而 DeepFake 来源追踪则可为取证中追踪源头提供线索。因此，被追踪到的假图像可由管理员立即拦截，避免其在社交网络中进一步传播。本文中，我们探究图像标注在 DeepFake 来源追踪中的应用潜力。具体而言，我们设计了一种基于深度学习的方法 FakeTagger，采用简洁而有效的编码器与解码器设计并结合信道编码，将信息嵌入人脸图像，从而在各种剧烈的基于 GAN 的 DeepFake 变换后以高置信度恢复所嵌信息。所嵌信息可用于表示人脸图像身份，进而有助于 DeepFake 检测与来源追溯。实验结果表明，我们提出的方法在四类常见 DeepFake 上恢复嵌入信息的平均准确率超过 95%。我们的研究发现证实了保护个人照片免遭 DeepFake 的有效隐私保护技术。
引用
@article{arxiv.2009.09869,
title = {FakeTagger: Robust Safeguards against DeepFake Dissemination via Provenance Tracking},
author = {Run Wang and Felix Juefei-Xu and Meng Luo and Yang Liu and Lina Wang},
journal= {arXiv preprint arXiv:2009.09869},
year = {2021}
}
备注
Accepted to ACM Multimedia 2021