MetaCloak-JPEG：用于防止未授权 DreamBooth 深度伪造生成的 JPEG 鲁棒性对抗扰动
计算机视觉与模式识别
2026-04-21 v1
摘要
主观驱动的文本到图像合成技术，特别是 DreamBooth，正在促成一个仅需少量公开面部图像即可微调个人化扩散模型并生成逼真的有害内容的无需同意的深度伪造管道。当前的对抗面部保护系统——PhotoGuard、Anti-DreamBooth 和 MetaCloak——通过扰动用户图像来干扰代理的微调，但它们都存在结构性盲区：即 none 对 JPEG 压缩管道进行反向传播，而每个主要社交媒体平台在代理访问前都会应用 JPEG 压缩。由于 JPEG 量化依赖于 round()，其导数在几乎处处为零，导致对抗能量集中在 JPEG 会丢弃的高频 DCT 带中，消除 60-80% 的保护信号。我们引入 MetaCloak-JPEG，通过内置在 Straight-Through Estimator（STE）上的可微分 JPEG（DiffJPEG）层实现：前向传播应用标准 JPEG 压缩，而反向传播将 round() 替换为恒等函数。DiffJPEG 嵌入在包含 DiffJPEG 的 JPEG 感知 EOT 分布中（约 70% 的增强包含 DiffJPEG），并在 bilevel meta-learning 循环中嵌入质量因子计划（QF：95 到 50）。在 扰动预算为 eps=8/255 时，MetaCloak-JPEG 实现 32.7 dB PSNR，91.3% 的 JPEG 生存率，并在 4.1 GB 训练内存预算下优于 PhotoGuard 在所有 9 个评估 JPEG 质量因子上（9/9 获胜，平均去噪损失提升 +0.125）。
引用
@article{arxiv.2604.18537,
title = {MetaCloak-JPEG: JPEG-Robust Adversarial Perturbation for Preventing Unauthorized DreamBooth-Based Deepfake Generation},
author = {Tanjim Rahaman Fardin and S M Zunaid Alam and Mahadi Hasan Fahim and Md Faysal Mahfuz},
journal= {arXiv preprint arXiv:2604.18537},
year = {2026}
}
备注
8 pages, 5 figures