中毒伪造人脸：面向人脸伪造检测的后门攻击

人脸伪造技术的泛滥引起了社会的极大关注，从而推动了人脸伪造检测方法的发展。这些方法旨在区分伪造人脸与真实人脸，并在实际应用中被证明是有效的。然而，本文引入了一种由后门攻击引起的人脸伪造检测场景中新颖且此前未被认识到的威胁。通过将后门嵌入模型并将特定触发模式融入输入，攻击者可以欺骗检测器对伪造人脸产生错误预测。为实现这一目标，本文提出了\textit{Poisoned Forgery Face}框架，该框架能够对人脸伪造检测器进行干净标签后门攻击。我们的方法包括构建一个可扩展的触发器生成器，并利用一种新颖的卷积过程来生成平移敏感的触发模式。此外，我们采用了一种基于地标区域的相对嵌入方法，以增强中毒样本的隐蔽性。因此，在我们的中毒样本上训练的检测器被嵌入了后门。值得注意的是，我们的方法在攻击成功率（+16.39% BD-AUC）和可见性降低（-12.65% $L_\infty$）方面显著超越了最先进的后门基线。此外，我们的攻击在后门防御方面表现出有前景的性能。我们期望本文能引起更多关注后门攻击在人脸伪造检测场景中的潜在威胁。我们的代码将在 \url{https://github.com/JWLiang007/PFF} 提供。