UniShield：基于 KG-信息化多模态推理的统一人脸攻击检测
计算机视觉与模式识别
2026-05-12 v1
摘要
统一人脸攻击检测（UAD）要求在共享决策空间中识别物理欺骗和数字伪造，但现有判别或提示基方法主要依赖外观相关性，提供有限的证据导向推理。我们提出 UniShield，一个知识驱动的多模态推理框架，用于统一人脸防御。UniShield构建了人脸攻击知识图谱（FAKG），将攻击类别链接到诊断性视觉线索和攻击条件关系，并据此合成 52,025 条 FAKG-QA 示例进行 Attack-Graph Instruction Tuning（AGIT）。为提高理由一致性，我们进一步引入图一致推理优化（GCRO），一种基于 GRPO 的目标，搭配 KG-一致性奖励，以鼓励生成的理由匹配图支撑的线索，同时惩罚不兼容的主张。实验在我们的多模态 UAD 基准上显示，UniShield 在二进制、粗粒度和细粒度协议上均取得优异性能，ACC 和 HTER 指标持续高位。这些结果表明，结构化攻击知识可在判别基线和通用大语言模型之上提升检测准确率和推理可靠性。我们的代码将在 https://anonymous.4open.science/r/Unishield-A6A3/ 发布。
引用
@article{arxiv.2605.08709,
title = {UniShield: Unified Face Attack Detection via KG-Informed Multimodal Reasoning},
author = {Hongrui Li and Yichen Shi and Hongyang Wang and Yuhao Gao and Hui Ma and Jun Feng and Zitong Yu},
journal= {arXiv preprint arXiv:2605.08709},
year = {2026}
}