深层伪造主动侦 forensics 中的破坏性多嵌入攻击探索与缓解
计算机视觉与模式识别
2025-11-27 v2
摘要
随着深度伪造技术的快速发展和数字媒体的广泛传播，个人隐私正面临日益严重的安全威胁。深度伪造主动侦 forensics 通过嵌入不可感知的水印来实现可靠的来源追踪，作为对抗这些威胁的关键防御措施。虽然现有方法显示出强大的侦 forensics 能力，但它们依赖于单一水印嵌入的理想化假设，在实际场景中往往不切实际。本文首次正式定义并证明了多嵌入攻击（MEA）的存在。当先前受保护的图像发生额外的水印嵌入时，原始 forensic 水印可能被破坏或移除，导致整个主动侦 forensics 机制失效。为解决此漏洞，我们提出一种名为对抗干扰模拟（AIS）的通用训练范式。该方法不修改网络架构，而是在微调期间显式模拟MEA场景，引入鲁棒性驱动的损失函数以强化稀疏且稳定的水印表示学习。我们的方法使模型能够在第二次嵌入后正确提取原始水印。大量实验表明，我们的即插即用AIS训练范式显著增强了各种现有方法抗MEA的鲁棒性。
引用
@article{arxiv.2508.17247,
title = {Uncovering and Mitigating Destructive Multi-Embedding Attacks in Deepfake Proactive Forensics},
author = {Lixin Jia and Haiyang Sun and Zhiqing Guo and Yunfeng Diao and Dan Ma and Gaobo Yang},
journal= {arXiv preprint arXiv:2508.17247},
year = {2025}
}