利用GAN指纹误导深度伪造检测
计算机视觉与模式识别
2022-05-26 v1 密码学与安全
机器学习
图像与视频处理
摘要
生成对抗网络（GAN）在合成逼真图像方面取得了显著进展，这些图像甚至能有效骗过人类。尽管若干检测方法可通过检查生成过程中的图像伪影来识别这些深度伪造，但多种反攻击已揭示了其局限性。然而，这些攻击仍须满足某些条件，例如与检测方法交互或直接调整GAN。在本文中，我们引入一类克服上述局限性的新型简单反攻击。具体而言，我们展示攻击者可直接从生成图像的频率谱中移除指示性伪影，即GAN指纹。我们探索了该移除的不同实现方式，从滤除高频到更精细的频率峰值清除。我们利用不同检测方法、GAN架构和数据集评估了攻击性能。结果表明，攻击者通常可移除GAN指纹从而规避对生成图像的检测。
引用
@article{arxiv.2205.12543,
title = {Misleading Deep-Fake Detection with GAN Fingerprints},
author = {Vera Wesselkamp and Konrad Rieck and Daniel Arp and Erwin Quiring},
journal= {arXiv preprint arXiv:2205.12543},
year = {2022}
}
备注
In IEEE Deep Learning and Security Workshop (DLS) 2022