論文の概要: Detecting Face Synthesis Using a Concealed Fusion Model

• arxiv url: http://arxiv.org/abs/2401.04257v1
• Date: Mon, 8 Jan 2024 22:07:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-10 18:23:10.065023
• Title: Detecting Face Synthesis Using a Concealed Fusion Model
• Title（参考訳）: 隠れ融合モデルによる顔合成の検出
• Authors: Roberto Leyva, Victor Sanchez, Gregory Epiphaniou, Carsten Maple
• Abstract要約: いくつかの攻撃に対して抵抗性を提供しながら顔画像の合成を検出する融合方式を提案する。 我々の戦略は、中毒、摂動、バックドア、逆モデル攻撃に対する防御を提供しながら、最先端のパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 23.943447945946705
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Face image synthesis is gaining more attention in computer security due to concerns about its potential negative impacts, including those related to fake biometrics. Hence, building models that can detect the synthesized face images is an important challenge to tackle. In this paper, we propose a fusion-based strategy to detect face image synthesis while providing resiliency to several attacks. The proposed strategy uses a late fusion of the outputs computed by several undisclosed models by relying on random polynomial coefficients and exponents to conceal a new feature space. Unlike existing concealing solutions, our strategy requires no quantization, which helps to preserve the feature space. Our experiments reveal that our strategy achieves state-of-the-art performance while providing protection against poisoning, perturbation, backdoor, and reverse model attacks.
• Abstract（参考訳）: 顔画像合成は、偽バイオメトリックスなど、潜在的なネガティブな影響に対する懸念から、コンピュータセキュリティにおいて注目を集めている。 したがって、合成顔画像を検出するモデルを構築することは、取り組むべき重要な課題である。 本稿では,複数の攻撃に対して回復力を提供しながら,顔画像の合成を検出する融合方式を提案する。 提案手法は, ランダムな多項式係数と指数に頼り, 新たな特徴空間を隠蔽することで, いくつかの未開示モデルによって計算された出力の後期融合を利用する。 既存の隠蔽ソリューションとは異なり、当社の戦略は量子化を必要とせず、特徴空間の保存に役立ちます。 実験の結果,我々の戦略は,中毒,摂動,バックドア,逆モデル攻撃に対する防御を提供しながら,最先端のパフォーマンスを達成することがわかった。

関連論文リスト

• 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)
• MirrorCheck: Efficient Adversarial Defense for Vision-Language Models [55.73581212134293]
  本稿では,視覚言語モデルにおける対角的サンプル検出のための,新しい,しかしエレガントなアプローチを提案する。 本手法は,テキスト・トゥ・イメージ(T2I)モデルを用いて,ターゲットVLMが生成したキャプションに基づいて画像を生成する。 異なるデータセットで実施した経験的評価により,本手法の有効性が検証された。
  論文  参考訳（メタデータ） (2024-06-13T15:55:04Z)
• Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model [61.53213964333474]
  本稿では,生の画素空間ではなく,潜在空間における非知覚的対角的アイデンティティ摂動を生成できる統一的なフレームワークAdv-Diffusionを提案する。 具体的には,周囲のセマンティックな摂動を生成するために,個人性に敏感な条件付き拡散生成モデルを提案する。 設計された適応強度に基づく対向摂動アルゴリズムは、攻撃の伝達性とステルス性の両方を確保することができる。
  論文  参考訳（メタデータ） (2023-12-18T15:25:23Z)
• PRO-Face S: Privacy-preserving Reversible Obfuscation of Face Images via Secure Flow [69.78820726573935]
  保護フローベースモデルを用いて,プライバシ保護による顔画像の可逆難読化(Reversible Obfuscation of Face image)を略してpro-Face Sと命名する。 本フレームワークでは、Invertible Neural Network(INN)を使用して、入力画像と、その事前難読化されたフォームとを処理し、事前難読化された画像と視覚的に近似したプライバシー保護された画像を生成する。
  論文  参考訳（メタデータ） (2023-07-18T10:55:54Z)
• ArtiFact: A Large-Scale Dataset with Artificial and Factual Images for Generalizable and Robust Synthetic Image Detection [0.3779860024918729]
  本稿では,実世界の障害に直面した合成画像検出器の汎用性とロバスト性を評価する。 フィルタストライド削減戦略と組み合わせたマルチクラス分類方式は,社会的プラットフォーム障害に対処する。 ICIP 2022のIEEE VIPカップチャレンジでは、テスト1で8.34%、テスト2で1.26%、テスト3で15.08%と、他のトップチームよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2023-02-23T12:40:36Z)
• Scale-free Photo-realistic Adversarial Pattern Attack [20.818415741759512]
  Generative Adversarial Networks (GAN)は、より意味論的に意味のあるテクスチャパターンを合成することによって、この問題に部分的に対処することができる。 本稿では,任意のスケールの画像に対して意味論的に意味のある敵対パターンを世界規模で合成する,スケールフリーな生成ベースアタックアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-12T11:25:39Z)
• Restricted Black-box Adversarial Attack Against DeepFake Face Swapping [70.82017781235535]
  本稿では,顔画像偽造モデルに対する問い合わせを一切必要としない現実的な敵攻撃を提案する。 本手法は,顔の再構成を行う代用モデルに基づいて構築され,置換モデルから非アクセス可能なブラックボックスDeepFakeモデルへの逆例を直接転送する。
  論文  参考訳（メタデータ） (2022-04-26T14:36:06Z)
• Detecting High-Quality GAN-Generated Face Images using Neural Networks [23.388645531702597]
  本稿では,スペクトル帯域差を利用したGAN生成画像と実画像との区別手法を提案する。 特に,クロスバンド共起行列と空間共起行列を用いて,顔画像のデジタル保存を可能にする。 性能向上は特に重要であり、異なる後処理環境において92%以上を達成することを示す。
  論文  参考訳（メタデータ） (2022-03-03T13:53:27Z)
• Generation of Non-Deterministic Synthetic Face Datasets Guided by Identity Priors [19.095368725147367]
  本稿では、StyleGANの構造化された潜在空間を利用して、マット付き顔画像を生成する非決定論的手法を提案する。 25,919個の合成IDを含む77,034個のサンプルからなる合成顔画像(SymFace)のデータセットを作成する。
  論文  参考訳（メタデータ） (2021-12-07T11:08:47Z)
• Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
  顔認識システムのセキュリティには、顔の偽造が不可欠だ。 本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
  論文  参考訳（メタデータ） (2020-08-19T03:54:23Z)

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。