論文の概要: Transferable Dual-Domain Feature Importance Attack against AI-Generated Image Detector

• arxiv url: http://arxiv.org/abs/2511.15571v1
• Date: Wed, 19 Nov 2025 16:03:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.886911
• Title: Transferable Dual-Domain Feature Importance Attack against AI-Generated Image Detector
• Title（参考訳）: AI生成画像検出器に対するトランスファー可能なデュアルドメイン特徴重要度攻撃
• Authors: Weiheng Zhu, Gang Cao, Jing Liu, Lifang Yu, Shaowei Weng,
• Abstract要約: 最近のAI生成画像検出器(AIGI)は、クリーンな条件下で印象的な精度を達成している。 このような検出器の安全性を評価するための高度な敵攻撃を開発することは重要である。 本稿では,AIGI検出器をある程度無効化するためのDual-Domain Feature Importance Attackスキームを提案する。
• 参考スコア（独自算出の注目度）: 32.543253278021446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent AI-generated image (AIGI) detectors achieve impressive accuracy under clean condition. In view of antiforensics, it is significant to develop advanced adversarial attacks for evaluating the security of such detectors, which remains unexplored sufficiently. This letter proposes a Dual-domain Feature Importance Attack (DuFIA) scheme to invalidate AIGI detectors to some extent. Forensically important features are captured by the spatially interpolated gradient and frequency-aware perturbation. The adversarial transferability is enhanced by jointly modeling spatial and frequency-domain feature importances, which are fused to guide the optimization-based adversarial example generation. Extensive experiments across various AIGI detectors verify the cross-model transferability, transparency and robustness of DuFIA.
• Abstract（参考訳）: 最近のAI生成画像検出器(AIGI)は、クリーンな条件下で印象的な精度を達成している。 反法医学の観点からは、これらの検出器の安全性を評価するための高度な敵攻撃を開発することが重要であり、まだ十分に探索されていない。 本稿では,AIGI検出器をある程度無効化するDuFIA方式を提案する。 法的な重要な特徴は、空間的に補間された勾配と周波数認識の摂動によって捉えられる。 空間的特徴と周波数領域の特徴を共同でモデル化し、最適化に基づく対向的な例生成を導出することにより、対向移動性を向上させる。 様々なAIGI検出器にわたる大規模な実験は、DuFIAのクロスモデル転送性、透明性、堅牢性を検証する。

関連論文リスト

• ForensicsSAM: Toward Robust and Unified Image Forgery Detection and Localization Resisting to Adversarial Attack [56.0056378072843]
  高い転送性を持つ逆画像は上流モデルでのみ作成可能であることを示す。 本稿では,IFDLフレームワークを組み込んだForensicsSAMを提案する。
  論文  参考訳（メタデータ） (2025-08-10T16:03:44Z)
• Decoupled Doubly Contrastive Learning for Cross Domain Facial Action Unit Detection [66.80386429324196]
  そこで本稿では,AU 表現を2つに分離した2つのコントラスト適応 (D$2$CA) 手法を提案する。 D$2$CAは、合成顔の質を評価することにより、AUとドメイン因子を乱すように訓練される。 最先端のクロスドメインAU検出アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-03-12T00:42:17Z)
• Take Fake as Real: Realistic-like Robust Black-box Adversarial Attack to Evade AIGC Detection [4.269334070603315]
  本稿では,後処理の融合最適化を用いた現実的なロバストブラックボックス攻撃(R$2$BA)を提案する。 R$2$BAは優れた抗検出性能,可視性,GANおよび拡散型症例の強い堅牢性を示す。
  論文  参考訳（メタデータ） (2024-12-09T18:16:50Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• StealthDiffusion: Towards Evading Diffusion Forensic Detection through Diffusion Model [62.25424831998405]
  StealthDiffusionは、AI生成した画像を高品質で受け入れがたい敵の例に修正するフレームワークである。 ホワイトボックスとブラックボックスの設定の両方で有効であり、AI生成した画像を高品質な敵の偽造に変換する。
  論文  参考訳（メタデータ） (2024-08-11T01:22:29Z)
• Vulnerabilities in AI-generated Image Detection: The Challenge of Adversarial Attacks [39.524974831780874]
  FPBAはブラックボックス攻撃を成功させることができるので、敵攻撃はAIGI検出器にとって真の脅威であることを示す。 我々はこの手法を周波数ベースのポストトレインベイズアタック (FPBA) と呼ぶ。
  論文  参考訳（メタデータ） (2024-07-30T14:07:17Z)
• Cross-Domain Few-Shot Object Detection via Enhanced Open-Set Object Detector [72.05791402494727]
  本稿では,CD-FSODを用いたクロスドメイン小ショット検出法について検討する。 最小限のラベル付き例で、新しいドメインのための正確なオブジェクト検出器を開発することを目的としている。
  論文  参考訳（メタデータ） (2024-02-05T15:25:32Z)
• Relevance Attack on Detectors [24.318876747711055]
  本稿では,ブラックボックス方式では攻撃が難しい検出器に対する高透過性対向攻撃に焦点を当てた。 我々は、検出器のインタプリタからの関連写像がそのような性質であることを初めて示唆する。 そこで我々は,最先端の伝達性を実現するRelevance Attack on Detectors (RAD) を設計した。
  論文  参考訳（メタデータ） (2020-08-16T02:44:25Z)

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。