論文の概要: BLADERUNNER: Rapid Countermeasure for Synthetic (AI-Generated) StyleGAN
Faces
- arxiv url: http://arxiv.org/abs/2210.06587v2
- Date: Fri, 14 Oct 2022 01:06:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-17 12:31:22.654124
- Title: BLADERUNNER: Rapid Countermeasure for Synthetic (AI-Generated) StyleGAN
Faces
- Title（参考訳）: BLADERUNNER: 合成(AI生成)スタイルガン顔の迅速対策
- Authors: Adam Dorian Wong
- Abstract要約: StyleGANはNVIDIAが開発したオープンソース実装である。
サイバー&インフォメーションオペレーションに対するAI/MLの関連性について調査する。
Project Blade RunnerはStyleGANイメージに対抗するために必要な2つのスクリプトを含んでいる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: StyleGAN is the open-sourced TensorFlow implementation made by NVIDIA. It has
revolutionized high quality facial image generation. However, this
democratization of Artificial Intelligence / Machine Learning (AI/ML)
algorithms has enabled hostile threat actors to establish cyber personas or
sock-puppet accounts in social media platforms. These ultra-realistic synthetic
faces. This report surveys the relevance of AI/ML with respect to Cyber &
Information Operations. The proliferation of AI/ML algorithms has led to a rise
in DeepFakes and inauthentic social media accounts. Threats are analyzed within
the Strategic and Operational Environments. Existing methods of identifying
synthetic faces exists, but they rely on human beings to visually scrutinize
each photo for inconsistencies. However, through use of the DLIB 68-landmark
pre-trained file, it is possible to analyze and detect synthetic faces by
exploiting repetitive behaviors in StyleGAN images. Project Blade Runner
encompasses two scripts necessary to counter StyleGAN images. Through
PapersPlease acting as the analyzer, it is possible to derive
indicators-of-attack (IOA) from scraped image samples. These IOAs can be fed
back into Among_Us acting as the detector to identify synthetic faces from live
operational samples. The opensource copy of Blade Runner may lack additional
unit tests and some functionality, but the open-source copy is a redacted
version, far leaner, better optimized, and a proof-of-concept for the
information security community. The desired end-state will be to incrementally
add automation to stay on-par with its closed-source predecessor.
- Abstract（参考訳）: StyleGANはNVIDIAが開発したオープンソースのTensorFlow実装である。
高品質な顔画像生成に革命をもたらした。
しかし、この人工知能/機械学習(ai/ml)アルゴリズムの民主化により、敵対的な脅威俳優はソーシャルメディアプラットフォームにサイバーパーソナラまたはソック・パペットアカウントを確立することができるようになった。
超リアルな合成顔。
本稿では,AI/MLとサイバー・インフォメーション・オペレーションとの関連について調査する。
AI/MLアルゴリズムの普及は、DeepFakesや不正確なソーシャルメディアアカウントの増加につながっている。
脅威は戦略および作戦環境内で分析される。
既存の合成顔の識別方法は存在するが、これらは人間に頼って各写真を不整合として視覚的に精査する。
しかし,DLIB 68-landmark pre-trained ファイルを使用することで,StyleGAN 画像の繰り返し動作を利用して合成顔を分析し,検出することができる。
Project Blade RunnerはStyleGANイメージに対抗するために必要な2つのスクリプトを含んでいる。
アナライザとして作用するペーパープレアーゼにより、スクラップした画像サンプルから攻撃の指標(ioa)を導出することができる。
これらのIOAsは、実運用サンプルから合成顔を特定する検出器として機能する among_Us にフィードバックすることができる。
オープンソースのblade runnerのコピーには、追加のユニットテストといくつかの機能がないかもしれないが、オープンソースコピーは、よりリーンで、より最適化され、情報セキュリティコミュニティのための概念実証である。
希望するエンドステートは、クローズドソースの前任者と同等の自動化を漸進的に追加することだ。
関連論文リスト
- OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
拡散モデルは、顔の修復において顕著な性能を示した。
顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。
その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-26T07:07:48Z) - Imperceptible Face Forgery Attack via Adversarial Semantic Mask [59.23247545399068]
本稿では, 対向性, 可視性に優れた対向性例を生成できるASMA(Adversarial Semantic Mask Attack framework)を提案する。
具体的には, 局所的なセマンティック領域の摂動を抑制し, 良好なステルス性を実現する, 対向型セマンティックマスク生成モデルを提案する。
論文 参考訳（メタデータ） (2024-06-16T10:38:11Z) - Poisoned Forgery Face: Towards Backdoor Attacks on Face Forgery
Detection [62.595450266262645]
本稿では,バックドア攻撃による顔偽造検出の新たな脅威について紹介する。
バックドアをモデルに埋め込むことで、攻撃者は検知器を騙して偽造された顔の誤予測を発生させることができる。
我々は,顔偽造検知器に対するクリーンラベルバックドア攻撃を可能にするemphPoisoned Forgery Faceフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-18T06:31:05Z) - BAGM: A Backdoor Attack for Manipulating Text-to-Image Generative Models [54.19289900203071]
テキストから画像への生成人工知能の普及は、大衆の関心を集めている。
ユーザを微妙に操作するコンテンツを生成するために,この技術を攻撃できることを実証する。
テキストから画像生成モデル(BAGM)に対するバックドアアタックを提案する。
我々の攻撃は、生成過程の3段階にわたる3つの一般的なテキスト・画像生成モデルをターゲットにした最初の攻撃である。
論文 参考訳（メタデータ） (2023-07-31T08:34:24Z) - Evading Forensic Classifiers with Attribute-Conditioned Adversarial
Faces [6.105361899083232]
本研究では,特定の属性セットを用いて,敵対的な偽の顔を生成することができることを示す。
本稿では,StyleGANの機能空間内の逆潜時符号を探索するフレームワークを提案する。
また,メタラーニングに基づく最適化手法を提案し,未知のターゲットモデル上でのトランスファー可能な性能を実現する。
論文 参考訳（メタデータ） (2023-06-22T17:59:55Z) - Open-Eye: An Open Platform to Study Human Performance on Identifying
AI-Synthesized Faces [51.56417104929796]
我々は、AI合成顔検出の人的パフォーマンスを研究するために、Open-eyeと呼ばれるオンラインプラットフォームを開発した。
本稿では,オープンアイの設計とワークフローについて述べる。
論文 参考訳（メタデータ） (2022-05-13T14:30:59Z) - TAGPerson: A Target-Aware Generation Pipeline for Person
Re-identification [65.60874203262375]
本稿では,TAGPerson と呼ばれる合成人物画像を生成する新しいターゲット・アウェア・ジェネレーション・パイプラインを提案する。
具体的には、パラメータが制御可能で、ターゲットのシーンに応じて調整できるパラメータ化レンダリング手法である。
本実験では,MSMT17の一般合成画像,すなわちランク1精度の47.5%対40.9%に対して,目標認識合成画像よりもはるかに高い性能が得られることを示した。
論文 参考訳（メタデータ） (2021-12-28T17:56:19Z) - Synthetic Periocular Iris PAI from a Small Set of Near-Infrared-Images [10.337140740056725]
本稿では、4つの最先端GANアルゴリズムを用いた新しいPAI合成(SPI-PAI)を提案する。
LivDet-2020コンペティションで報告された最高のPADアルゴリズムは、合成PAIを用いてテストされた。
以上の結果から, 合成画像がばかげた提示攻撃検出アルゴリズムの実現可能性を示した。
論文 参考訳（メタデータ） (2021-07-26T08:07:49Z) - OGAN: Disrupting Deepfakes with an Adversarial Attack that Survives
Training [0.0]
我々は,対面型オートエンコーダを妨害する敵攻撃のクラスを導入する。
我々は,Oscillating GAN(OGAN)攻撃を提案する。
これらの結果は、広範囲のドメインに適用可能な、訓練耐性の敵攻撃の存在を示すものである。
論文 参考訳（メタデータ） (2020-06-17T17:18:29Z) - Defending against GAN-based Deepfake Attacks via Transformation-aware
Adversarial Faces [36.87244915810356]
Deepfakeは、機械学習モデルを活用するフェイススワッピング攻撃のカテゴリである。
本稿では,Deepfake攻撃に対する防御手段として,逆向きに乱れする新しい変形認識顔を提案する。
また, アンサンブルをベースとしたアプローチを用いて, GANベースのディープフェイク型に対する防御ロバスト性を高めることを提案する。
論文 参考訳（メタデータ） (2020-06-12T18:51:57Z) - Noise Modeling, Synthesis and Classification for Generic Object
Anti-Spoofing [26.530310468430038]
GOAS(Generic Object Anti-Spoofing)の問題に初めて取り組む。
これらの攻撃を検出するための重要な手がかりの1つは、捕捉センサーとスプーフ媒体によって導入されたノイズパターンである。
本稿では,画像中/センサの組み合わせからノイズパターンを合成し,識別するためのGANアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-03-29T14:52:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。