计算机工程

作者：戴磊, 曹林, 郭亚男, 张帆, 杜康宁

单位：北京信息科技大学信息与通信工程学院, 北京 100101

关键词：深度伪造,对抗样本,主动防御,生成对抗网络,迁移性

基金：国家自然科学基金(U20A20163); 国家自然科学基金(62001033); 国家自然科学基金(62201066); 北京市教委科研计划(KZ202111232049); 北京市教委科研计划(KM202111232014)

为了降低深度伪造技术滥用带来的社会风险, 提出一种基于生成对抗网络的主动防御深度伪造方法, 通过在原始图像上增加微弱扰动制作对抗样本, 使多个伪造模型输出产生明显失真。提出模型由对抗样本生成模块和对抗样本优化模块组成。对抗样本生成模块包括生成器和鉴别器, 生成器在接收原始图像生成扰动后, 通过对抗训练约束扰动的空间分布, 降低扰动的视觉感知, 提高对抗样本的真实性; 对抗样本优化模块由基础对抗水印、深度伪造模型和鉴别器等组成, 通过模拟黑盒场景攻击多个深度伪造模型, 提高对抗样本的攻击性和迁移性。在常用深度伪造数据集CelebA和LFW上进行训练和测试, 实验结果表明, 相比现有主动防御方法, 提出方法在实现跨模型主动防御的基础上, 防御成功率达到85%以上, 并且对抗样本生成效率比传统算法提高20~30倍。

来源：2024年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第10期