基于对抗语义掩码的不可察觉人脸伪造攻击
计算机视觉与模式识别
2024-06-18 v1
摘要
随着生成模型技术的快速发展，人脸伪造检测正在引起相关领域的更多关注。研究者发现，现有的面部伪造模型仍然容易受到全图中生成像素扰动的对抗样本的攻击。这些生成的对抗样本由于高可检测性，仍无法实现令人满意的性能。为了解决这些问题，我们提出了一种对抗语义掩码攻击框架（ASMA），其可以生成具有良好迁移性和隐形性的对抗样本。具体而言，我们提出了一种新颖的对抗语义掩码生成模型，可以将生成的扰动约束在局部语义区域内，以实现良好的隐形性。设计的自适应语义掩码选择策略能够有效利用不同语义区域的类激活值，从而进一步确保更好的攻击迁移性和隐形性。在公共人脸伪造数据集上的大量实验表明，所提出的方法在与几个代表性对抗攻击方法相比时表现出优异性能。代码已公开于 https://github.com/clawerO-O/ASMA。
引用
@article{arxiv.2406.10887,
title = {Imperceptible Face Forgery Attack via Adversarial Semantic Mask},
author = {Decheng Liu and Qixuan Su and Chunlei Peng and Nannan Wang and Xinbo Gao},
journal= {arXiv preprint arXiv:2406.10887},
year = {2024}
}
备注
The code is publicly available