LampMark：通过训练-free 地标感知水印实现主动深度伪造检测

深度伪造人脸操纵因其对提升人类体验和潜在隐私威胁的双重影响而引起广泛关注。尽管已尝试多种被动算法来遏制恶意的深度伪造攻击，但这些方法在面对逼真的合成人脸图像时大多难以解决普遍性问题。为此，本文提出一种主动深度伪造检测方法，引入一种新颖的训练-free 地标感知水印——LampMark。我们首先分析深度伪造操纵的结构敏感特性，设计一种从结构表示（即面部地标）到二进制地标感知水印的安全且保密的转换流程。随后，我们提出一种端到端水印框架，以不可感知且稳健的方式嵌入和提取涉及待保护图像的水印。依靠令人信服的水印恢复准确率，即可通过评估内容匹配地标感知水印与可靠恢复的水印之间的一致性来实现深度伪造检测。实验结果表明，在数据集内、跨数据集以及跨操纵场景中，我们的方法在水印恢复和深度伪造检测方面优于最先进的方法。