一个具有破坏性的主动防御算法,用于深度假冒面部图像
Yang Yang1, Norisma Binti Idris1, Chang Liu2
1Faculty of Computer Science and Information Technology, Universiti Malaya, Kuala Lumpur, Malaysia.
PeerJ. Computer science
|December 16, 2024
概括
针对深度假冒面部图像 (DADFI) 的新破坏性主动防御算法创建了微妙的图像变化. 这种方法通过扭曲深度假冒模型输出来增强对深度假冒的防御能力,从而减少恶意内容的伤害.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 网络安全 网络安全
背景情况:
- 深度假冒面部图像带来越来越多的伤害和安全风险.
- 积极的防御机制对于对抗复杂的深度假冒生成技术至关重要.
研究的目的:
- 为深度假冒面部图像 (DADFI) 引入一种新的破坏性主动防御算法.
- 开发一种产生对抗性样本的方法,以破坏深度假冒模型,同时保持图像真实性.
主要方法:
- DADFI算法为原始面部图像引入了不可察觉的干扰,从而创建了对抗样本.
- 敌对样本在黑子场景中被用来攻击和探测深度假冒模型.
- 在CASIA-FaceV5和CelebA数据集上进行了实验.
主要成果:
- DADFI算法成功生成具有高视觉真实性和真实性的对抗样本.
- 该方法证明了对抗样本的生成速度有所改善.
- 观察到,针对深度假冒模型的积极防御的成功率显著增加.
结论:
- 拟议的 DADFI 算法提供了一种有效的主动防御策略来对抗深度假冒面部图像.
- 这种方法可以减轻恶意深度假冒内容造成的不断升级的伤害.
- DADFI提高了深度假冒检测和防御系统的速度和有效性.


