論文の概要: StegaFFD: Privacy-Preserving Face Forgery Detection via Fine-Grained Steganographic Domain Lifting

• arxiv url: http://arxiv.org/abs/2603.02886v1
• Date: Tue, 03 Mar 2026 11:34:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-04 21:38:10.770351
• Title: StegaFFD: Privacy-Preserving Face Forgery Detection via Fine-Grained Steganographic Domain Lifting
• Title（参考訳）: StegaFFD:ファイングレード・ステガノグラフィー・ドメイン・リフティングによる顔偽造検出
• Authors: Guoqing Ma, Xun Lin, Hui Ma, Ajian Liu, Yizhong Liu, Wenzhong Tang, Shan Yu, Chenqi Kong, Yi Yu,
• Abstract要約: クライアントサーバのフレームワークでは、プライベートな顔データは送信中に傍受されるか、信頼できないサーバによってリークされる。 匿名化、暗号化、歪みなどの従来のプライバシー保護アプローチは、漏洩を部分的に軽減するが、しばしば深刻な意味的歪みをもたらす。 ステガノグラフィーに基づく顔偽造検出フレームワーク(StegaFFD)を提案する。
• 参考スコア（独自算出の注目度）: 31.12083827891138
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most existing Face Forgery Detection (FFD) models assume access to raw face images. In practice, under a client-server framework, private facial data may be intercepted during transmission or leaked by untrusted servers. Previous privacy protection approaches, such as anonymization, encryption, or distortion, partly mitigate leakage but often introduce severe semantic distortion, making images appear obviously protected. This alerts attackers, provoking more aggressive strategies and turning the process into a cat-and-mouse game. Moreover, these methods heavily manipulate image contents, introducing degradation or artifacts that may confuse FFD models, which rely on extremely subtle forgery traces. Inspired by advances in image steganography, which enable high-fidelity hiding and recovery, we propose a Stega}nography-based Face Forgery Detection framework (StegaFFD) to protect privacy without raising suspicion. StegaFFD hides facial images within natural cover images and directly conducts forgery detection in the steganographic domain. However, the hidden forgery-specific features are extremely subtle and interfered with by cover semantics, posing significant challenges. To address this, we propose Low-Frequency-Aware Decomposition (LFAD) and Spatial-Frequency Differential Attention (SFDA), which suppress interference from low-frequency cover semantics and enhance hidden facial feature perception. Furthermore, we introduce Steganographic Domain Alignment (SDA) to align the representations of hidden faces with those of their raw counterparts, enhancing the model's ability to perceive subtle facial cues in the steganographic domain. Extensive experiments on seven FFD datasets demonstrate that StegaFFD achieves strong imperceptibility, avoids raising attackers' suspicion, and better preserves FFD accuracy compared to existing facial privacy protection methods.
• Abstract（参考訳）: 既存のほとんどのFace Forgery Detection (FFD)モデルは、生の顔画像へのアクセスを前提としている。 実際には、クライアントサーバフレームワークの下では、プライベートな顔データは送信中に傍受されるか、信頼できないサーバによってリークされる。 匿名化、暗号化、歪みなどの従来のプライバシー保護アプローチは、部分的に漏洩を緩和するが、しばしば深刻な意味的歪みをもたらすため、画像が明らかに保護されているように見える。 これは攻撃者に警告し、より攻撃的な戦略を呼び起こし、プロセスを猫とマウスのゲームに変える。 さらに、これらの手法は画像の内容を深く操作し、極端に微妙な偽の痕跡に依存するFFDモデルを混乱させる分解物やアーティファクトを導入する。 高忠実な隠蔽と回復を可能にする画像ステガノグラフィーの進歩に触発されて,疑念を起こさずにプライバシを保護するStega}nographyベースのFace Forgery Detection framework(StegaFFD)を提案する。 StegaFFDは自然なカバーイメージ内に顔画像を隠蔽し、ステガノグラフィ領域で直接偽造検出を行う。 しかし、隠された偽造特有な特徴は極めて微妙であり、カバーセマンティクスによって妨げられ、重大な課題を招いている。 そこで我々は,低周波カバーセマンティクスからの干渉を抑制し,隠蔽顔の特徴知覚を高める低周波認識分解(LFAD)と空間周波微分注意(SFDA)を提案する。 さらに、ステガノグラフィー領域アライメント(SDA)を導入し、隠れた顔の表現を生の顔の表現と整合させ、ステガノグラフィ領域における微妙な顔の手がかりを知覚する能力を高める。 7つのFFDデータセットに対する大規模な実験は、StegaFFDが強力な認識不能を達成し、攻撃者の疑念の高まりを回避し、既存の顔認識保護方法と比較してFFDの精度を向上することを示した。

関連論文リスト

• SIDeR: Semantic Identity Decoupling for Unrestricted Face Privacy [53.75084833636302]
  本稿では,非制限顔プライバシー保護のためのセマンティックデカップリング駆動フレームワークSIDeRを提案する。 SIDeRは、顔画像をマシン認識可能な識別特徴ベクトルと視覚的に知覚可能なセマンティックな外観成分に分解する。 認証されたアクセスのために、SIDeRは正しいパスワードが提供されるときに元の形式に復元できる。
  論文  参考訳（メタデータ） (2026-02-04T19:30:48Z)
• Towards Robust DeepFake Detection under Unstable Face Sequences: Adaptive Sparse Graph Embedding with Order-Free Representation and Explicit Laplacian Spectral Prior [12.202765237400143]
  本稿では,Laplacian-Regularized Graph Convolutional Network (LR-GCN)を提案する。 LR-GCNは、高度のグローバル・ローカル・ディスラプションの下で、最先端の性能とロバスト性を大幅に向上する。
  論文  参考訳（メタデータ） (2025-12-08T12:31:07Z)
• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に重大な脅威をもたらす。 この不正行為を防止するため、操作過程を妨害する積極的な防御法が提案されている。 本稿では,IDガード(ID-Guard)と呼ばれる顔の操作に対処するための普遍的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• Transferable Adversarial Facial Images for Privacy Protection [15.211743719312613]
  視覚的品質を維持しつつ、転送性を改善した新しい顔プライバシー保護方式を提案する。 生成モデルの潜在空間をトラバースするために,まずグローバルな逆潜時探索を利用する。 次に、視覚的アイデンティティ情報を保存するための重要なランドマーク正規化モジュールを導入する。
  論文  参考訳（メタデータ） (2024-07-18T02:16:11Z)
• Robust Identity Perceptual Watermark Against Deepfake Face Swapping [9.402982368385569]
  ディープフェイク・フェイススワップは、ディープジェネレーティブ・モデルの急速な開発で重要なプライバシー問題を引き起こしている。 本稿では,Deepfakeの顔スワップに対する検出とソーストレースを同時に行う,堅牢なアイデンティティ認識型透かしフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-02T16:04:32Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• 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)
• DiffProtect: Generate Adversarial Examples with Diffusion Models for Facial Privacy Protection [64.77548539959501]
  DiffProtectは最先端の方法よりも自然に見える暗号化画像を生成する。 例えば、CelebA-HQとFFHQのデータセットで24.5%と25.1%の絶対的な改善が達成されている。
  論文  参考訳（メタデータ） (2023-05-23T02:45:49Z)
• Building an Invisible Shield for Your Portrait against Deepfakes [34.65356811439098]
  本稿では,画像のプロアクティブな保護を目的とした新しいフレームワーク,Integity Encryptorを提案する。 提案手法では,重要な顔属性と密接な関係を持つメッセージを,秘密に符号化する。 修正された顔属性は、デコードされたメッセージの比較を通じて、操作された画像を検出する手段として機能する。
  論文  参考訳（メタデータ） (2023-05-22T10:01:28Z)
• Information-containing Adversarial Perturbation for Combating Facial Manipulation Systems [19.259372985094235]
  ディープラーニングシステムの悪意ある応用は個人のプライバシーと評判に深刻な脅威をもたらす。 IAP(Information- containing Adversarial Perturbation)と呼ばれる新しい2層保護手法を提案する。 エンコーダを用いて、顔画像とその識別メッセージを、複数の顔操作システムを妨害できるクロスモデル対向例にマッピングする。
  論文  参考訳（メタデータ） (2023-03-21T06:48:14Z)
• Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)

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。