面向假图检测的不可感知对抗样本

利用 Deepfake 或 GANs 生成的高度逼真假图像来欺骗人们，给我们的社会带来了巨大的扰动。已有许多方法被提出用于检测假图像，但它们易受对抗扰动——即故意设计的、可导致错误预测的噪声——的攻击。现有的攻击假图像检测器的方法通常生成对抗扰动以扰动几乎整幅图像。这是冗余的，并增加了扰动的可感知性。在本文中，我们提出一种新方法，通过确定假图像检测器的关键像素并仅攻击这些关键像素来破坏假图像检测，从而使得对抗扰动的 $L_0$ 与 $L_2$ 范数远小于现有工作。在两个公开数据集上针对三种假图像检测器的实验表明，我们提出的方法在白盒与黑盒攻击中均达到了最先进的性能。