真实多媒体内容的稳健校准检测
计算机视觉与模式识别
2025-12-18 v1
摘要
生成模型可以合成高度逼真的内容，即所谓的深度伪造造假内容，已经被大规模滥用，以破坏数字媒体的真实性。当前的深度伪造检测方法在两个方面不可靠：(i) 事后区分不实内容常常不可能（例如与记忆样本），导致误报率（FPR）无上限；(ii) 检测缺乏鲁棒性，由于对已知检测器的适应，敌人可以在最小计算资源下几乎完美地实现。为解决这些限制，我们提出了一种重制框架，用于确定样本是否为真实的，或其真实性是否可能被合理否认。我们聚焦于针对高效（即计算受限）敌人的高精度、低召回设置，作出了两项关键贡献。首先，我们表明校准的重制方法是验证真实样本最可靠的方法，同时保持可控制的低 FPR。其次，我们表明该方法在对抗高效敌人方面实现了对抗鲁棒性，而先前方法在相同的计算预算下容易被规避。该方法支持多种模态，并利用最新的反转技术。
引用
@article{arxiv.2512.15182,
title = {Robust and Calibrated Detection of Authentic Multimedia Content},
author = {Sarim Hashmi and Abdelrahman Elsayed and Mohammed Talha Alam and Samuele Poppi and Nils Lukas},
journal= {arXiv preprint arXiv:2512.15182},
year = {2025}
}