【FacePoison+】Hiding Faces in Plain Sight: Defending DeepFakes by Disrupting Face Detection
文章目录
- Hiding Faces in Plain Sight: Defending DeepFakes by Disrupting Face Detection
- point
- 摘要
- 介绍
- 背景
- 深伪
- 面部检测
- 对抗性扰动
- 深伪防御
- FACEPOISON：干扰面部检测
- 威胁模型
- 问题公式化
- 使对抗性攻击适应面部检测器
- VIDEOFACEPOISON：视频中跨帧传播面部中毒
- 实验
- 实验设置
- 破坏面部检测的结果
- 阻碍DeepFake生成的结果
- 讨论
Hiding Faces in Plain Sight: Defending DeepFakes by Disrupting Face Detection
会议/期刊：IEEE TRANSACTIONS ON DEPENDABLE AND SECURE COMPUTING 2025 TDSC
作者：
源代码可在https://github.com/OUC-VAS/ FacePoison上公开获取。
point
主动防御框架
FacePoison
添加对抗扰动
DeepFake防御
多媒体取证
人脸检测
将注意力从直接破坏DeepFake模型转移到数据准备步骤，破坏面部检测以破坏提取的面部。
摘要
研究了一个新的主动防御框架，以防止个人在DeepFake视频中成为受害者。
该框架的核心思想是通过干扰面部检测器来污染深度伪造模型的输入，其依据是：在大多数深度伪造技术中，面部检测器通常用于自动提取受害者的面部。
一旦面部检测器发生故