基于半fragile 不可见图像水印的社交媒体身份验证与对抗深度伪造

随着深度生成模型在图像和视频合成方面的显著进步，深度伪造和被操控的媒体引发了严重的社会担忧。conventional 机器学习分类器用于深度伪造检测往往难以应对不断演变的深度伪造生成技术，且容易受到对抗性攻击。另一种方法是研究不可见图像水印作为一种主动防御技术，通过验证嵌入在图像像素中的不可见密钥消息来实现媒体身份验证。少数用于媒体身份验证的不可见图像水印技术已被证明对基本的图像处理操作和水印移除攻击而不稳。为了此原因，我们提出了一种半fragile 图像水印技术，将不可见的密钥消息嵌入到真实图像中用于媒体身份验证。我们的 proposed 水印框架设计为在面对面部操纵或篡改时保持 fragile，而对善意的图像处理操作和水印移除攻击保持 robust。这通过我们提出技术的独特架构实现，包括 critic 和对抗网络，它们分别强制高图像质量和对水印移除 efforts 的韧性，以及 backbone encoder-decoder 和 discriminator 网络。对 SOTA 人脸深度伪造数据集进行彻底的实验调查表明，我们的提出模型可以在不可感知地将一个 $64$ 位密钥嵌入作为不可见图像水印，当应用善意的图像处理操作时，可以高位恢复准确率恢复该水印，而在未见的深度伪造操纵时则不可恢复。此外，我们的提出水印技术对 several white-box 和 black-box 水印移除攻击表现出高韧性。因此，实现了 state-of-the-art 性能。