扩散注意力图的谱法 Forensic 用于复制移动伪造检测
计算机视觉与模式识别
2026-04-21 v1
摘要
复制移动伪造是将图像中某个区域复制以隐藏或虚构内容的行为，始终是视觉媒体完整性的持续威胁。我们引入 GraphSpecForge，一个无需训练的框架，通过分析预训练 Stable Diffusion U-Net 的注意力图的谱结构来检测复制移动伪造。我们的核心洞见是，复制移动操作在自注意力图中引起近似子图复制，导致归一化图 Laplacian 的谱分布发生可测量的变化。我们通过扰动方法形式化了这一联系，并构建了一个使用 Wasserstein 距离衡量每个图像的拉普拉斯谱与真实参考分布之间差异的图像级异常检测器。我们在四个复制移动基准数据集上评估了 GraphSpecForge，无需进行针对伪造的 retraining。在 RecodAI-LUC (5,128 张图像) 上，我们的最佳配置实现了 AUROC = 0.606 (95% 置信区间: 0.580-0.638; permutation p = 0.005)，归一化拉普拉斯谱比原始注意力谱提升了 +0.057 的 AUROC。在 MICC-F220、CoMoFoD 和 COVERAGE 上，同一流程分别实现了 0.752、0.774 和 0.673 的 AUROC；在 CoMoFoD 上还达到了 AUPRC = 0.833、平衡准确率 = 0.712、MCC = 0.499 和 TPR@1%FPR = 32.5%。额外的消融和伪造实验确认该信号对操纵强度的特异性和灵敏性，而空图控制排除了平凡统计解释的可能性。
引用
@article{arxiv.2604.17287,
title = {Spectral Forensics of Diffusion Attention Graphs for Copy-Move Forgery Detection},
author = {H. M. Shadman Tabib and Tasriad Ahmed Tias and Nafis Tahmid},
journal= {arXiv preprint arXiv:2604.17287},
year = {2026}
}
备注
Preprint before NeurIPS main track submission