用于对抗人脸篡改系统的含信息对抗扰动
摘要
随着深度学习技术的发展，人脸篡改系统已变得强大且易用。此类系统可修改给定人脸图像的属性，如发色、性别和年龄。这类系统的恶意应用对个人的隐私和声誉构成严重威胁。现有研究提出了多种保护图像免受人脸篡改的方法。被动防御方法旨在检测人脸为真或假，适用于事后取证但无法阻止恶意篡改。主动防御方法通过在图像中注入对抗扰动来预先保护图像以扰乱人脸篡改系统，但无法识别图像是否为假。为克服现有方法的局限，我们提出一种名为含信息对抗扰动（IAP）的新型两层保护方法，为人脸图像提供更全面的保护。我们使用编码器将人脸图像及其身份消息映射为可扰乱多个人脸篡改系统的跨模型对抗样本，以实现主动保护。用解码器从对抗样本中恢复消息实现被动保护，有助于来源追踪与假图检测。我们引入了一种特征级相关性度量，比常用的均方误差更适合衡量人脸图像间的差异。此外，我们提出谱扩散方法将消息散布至不同频率通道，从而提升消息对人脸篡改的鲁棒性。大量实验结果表明，我们提出的IAP能以高平均准确率从对抗样本中恢复消息，并有效扰乱人脸篡改系统。
引用
@article{arxiv.2303.11625,
title = {Information-containing Adversarial Perturbation for Combating Facial Manipulation Systems},
author = {Yao Zhu and Yuefeng Chen and Xiaodan Li and Rong Zhang and Xiang Tian and Bolun Zheng and Yaowu Chen},
journal= {arXiv preprint arXiv:2303.11625},
year = {2023}
}
备注
\copyright 20XX IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works