通过级联路径破坏保护面部身份免受基于扩散模型的人脸交换
计算机视觉与模式识别
2026-01-22 v1
摘要
扩散模型的快速发展使人脸交换得以普及，但也引发了关于隐私和身份安全的担忧。现有的主动防御方法通常改编自图像编辑攻击，在此场景下被证明是无效的。我们将这种失败归因于对人脸交换系统中固有的结构弹性以及独特的静态条件引导机制的忽视。为了解决这个问题，我们提出了 VoidFace，这是一种将人脸交换视为耦合身份路径的系统性防御方法。通过在关键瓶颈处注入扰动，VoidFace 会在整个流水线中引发级联破坏。具体而言，我们首先引入定位破坏和身份擦除来降低物理回归和语义嵌入的性能，从而损害对源人脸的准确建模。然后，我们通过解耦注意力机制来切断身份注入，并破坏中间扩散特征以防止源身份的重建，从而干预生成域。为了确保视觉上的不可感知性，我们在潜流形中执行对抗搜索，该过程由感知自适应策略引导，以平衡攻击效力与图像质量。大量实验表明，VoidFace 在各种基于扩散模型的交换模型上优于现有防御方法，同时生成的对抗人脸具有卓越的视觉质量。
引用
@article{arxiv.2601.14738,
title = {Safeguarding Facial Identity against Diffusion-based Face Swapping via Cascading Pathway Disruption},
author = {Liqin Wang and Qianyue Hu and Wei Lu and Xiangyang Luo},
journal= {arXiv preprint arXiv:2601.14738},
year = {2026}
}