面向人脸篡改攻击的最优关键点引导图像融合方法

本文提出了一种利用最优关键点引导图像融合进行人脸篡改攻击的新方法。当前的人脸篡改攻击可分为基于关键点的方法和基于生成的方法。基于关键点的方法使用几何变换根据平均关键点来扭曲面部区域，但通常生成的篡改图像视觉质量较差。基于生成的方法利用生成模型来融合多张人脸图像，可以获得更好的视觉质量，但往往无法成功生成能有效规避最先进人脸识别系统（FRSs）的篡改图像。我们提出的方法通过优化篡改关键点并使用图卷积网络（GCNs）结合关键点特征和外观特征，克服了先前方法的局限性。我们将面部关键点建模为全连接二分图中的节点，并利用 GCNs 模拟其空间和结构关系。其目的是在扭曲过程中捕捉面部形状的变化，并实现对脸部外观特征的精确操控，从而生成高度逼真且视觉上忠实的人脸篡改图像。在两个公开数据集上的实验证明，我们的方法继承了先前基于关键点和基于生成方法的优点，生成了更高质量的篡改图像，对最先进的 FRSs 构成了更显著的威胁。