論文の概要: Exposing and Mitigating Temporal Attack in Deepfake Video Detection

• arxiv url: http://arxiv.org/abs/2605.07398v1
• Date: Fri, 08 May 2026 07:53:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.904925
• Title: Exposing and Mitigating Temporal Attack in Deepfake Video Detection
• Title（参考訳）: ディープフェイクビデオ検出における時間的攻撃の実施と緩和
• Authors: Zheyuan Gu, Minghao Shao, Zhen Wang, Yusong Wang, Mingkun Xu, Shijie Zhang, Hao Jiang,
• Abstract要約: ディープフェイク検出器は高いAUCを実現し、我々の実験は回避攻撃に対する感受性を明らかにします。 この脆弱性を軽減するために、時相スペクトル不変防衛フレームワークSpInShieldを提案する。
• 参考スコア（独自算出の注目度）: 16.98377521260699
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While spatiotemporal deepfake detectors achieve high AUC, our experiments reveal their susceptibility to evasion attacks. These models tend to overfit on fragile temporal spectrum cues, rather than learning robust semantic causality. To mitigate this vulnerability, we propose SpInShield, a temporal spectral-invariant defense framework explicitly designed to decouple semantic motion from manipulatable spectral artifacts. We propose a learnable spectral adversary that dynamically synthesizes severe spectral deformations, simulating extreme attack scenarios. By employing a shortcut suppression optimization strategy, SpInShield compels the encoder to extract reliable forensic cues while purging unstable spectral statistics from the latent space. Experiments show that SpInShield obtains competitive performance on widely used datasets and outperforms the strongest baseline by 21.30 percentage points in AUC under simulated amplitude spectral attacks.
• Abstract（参考訳）: 時空間ディープフェイク検出器は高いAUCを実現する一方、我々の実験は回避攻撃に対する感受性を明らかにした。 これらのモデルは、堅牢な意味的因果関係を学ぶよりも、脆弱な時間スペクトルの手がかりに過度に適合する傾向にある。 この脆弱性を軽減するために,手動のスペクトルアーティファクトから意味的動作を分離するための時間的スペクトル不変防衛フレームワークSpInShieldを提案する。 本稿では,厳しいスペクトル変形を動的に合成し,極端な攻撃シナリオをシミュレートする学習可能なスペクトル逆解析法を提案する。 ショートカット抑制最適化戦略を用いることで、SpInShieldはエンコーダを補完し、信頼性の高い法医学的手がかりを抽出し、遅延空間から不安定なスペクトル統計を浄化する。 実験の結果、SpInShieldは広く使われているデータセットの競争性能を向上し、AUCの振幅スペクトル攻撃による21.30ポイントで最強のベースラインを上回ります。

関連論文リスト

• Defending against Patch-Based and Texture-Based Adversarial Attacks with Spectral Decomposition [29.049635093468456]
  敵対的な例は、ディープニューラルネットワーク(DNN)アプリケーションのセキュリティに重大な課題を示している。 パッチベースおよびテクスチャベースの攻撃は、監視や自律システムにおける人検出などのセキュリティクリティカルなアプリケーションに対して、真の脅威となる。 本稿では,複数の周波数スケールの対向パターンを解析するために,ASD(Adversarial Spectrum Defense)を提案する。
  論文  参考訳（メタデータ） (2026-04-12T16:24:08Z)
• Spectral Defense Against Resource-Targeting Attack in 3D Gaussian Splatting [63.29941651174379]
  3D Gaussian Splatting (3DGS)は高品質なレンダリングを提供するが、Gaussian表現は新しい攻撃面を公開する。 この攻撃は訓練画像に毒を与え、資源の枯渇を引き起こすためにガウスの成長を過度に誘発する。 ガウスおよびイメージフィールドにおけるtextbfSpectral Defense を提案する。
  論文  参考訳（メタデータ） (2026-03-13T08:56:49Z)
• Contrastive Spectral Rectification: Test-Time Defense towards Zero-shot Adversarial Robustness of CLIP [68.44229678548298]
  コントラストスペクトル整流(Contrastive Spectral Rectification, CSR)は、敵の例に対する効率的な試験時間防御である。 CSRはSOTAを18.1%上回り、AutoAttackに勝っている。 CSRは様々な視覚的タスクに幅広い適用性を示す。
  論文  参考訳（メタデータ） (2026-01-27T05:24:45Z)
• Unveiling Vulnerabilities of Contrastive Recommender Systems to Poisoning Attacks [48.911832772464145]
  コントラスト学習(CL)は近年,レコメンダシステムの領域で注目されている。 本稿では,CLをベースとしたレコメンデータシステムの脆弱性を明らかにする。
  論文  参考訳（メタデータ） (2023-11-30T04:25:28Z)
• Frame-to-Utterance Convergence: A Spectra-Temporal Approach for Unified Spoofing Detection [6.713879688002623]
  既存のアンチ・スプーフィング法は、しばしば合成攻撃やリプレイ攻撃のような特定の攻撃タイプをシミュレートする。 現在の統合されたソリューションは、偽造品を検出するのに苦労している。 フレームレベルおよび発話レベル係数を利用したスペクトル時間融合を提案する。
  論文  参考訳（メタデータ） (2023-09-18T14:54:42Z)
• Robust Audio Anti-Spoofing with Fusion-Reconstruction Learning on Multi-Order Spectrograms [19.514932118278523]
  本稿では,S2pecNetというスペクトル融合再構成戦略を用いた新しい深層学習手法を提案する。 融合表現から入力スペクトログラムへの再構成により、潜在的融合情報損失がさらに低減される。 提案手法は,広く使用されているデータセット上でのEERの0.77%で最先端の性能を達成した。
  論文  参考訳（メタデータ） (2023-08-18T04:51:15Z)
• A Spectral Perspective towards Understanding and Improving Adversarial Robustness [8.912245110734334]
  対人訓練(AT)は効果的な防御手法であることが証明されているが、堅牢性向上のメカニズムは十分に理解されていない。 我々は、ATは、形状バイアスのある表現を保持する低周波領域にもっと焦点を合わせ、堅牢性を得るよう深層モデルに誘導することを示す。 本稿では,攻撃された逆入力によって推定されるスペクトル出力が,その自然な入力に可能な限り近いスペクトルアライメント正則化(SAR)を提案する。
  論文  参考訳（メタデータ） (2023-06-25T14:47:03Z)
• Spatial-Frequency Discriminability for Revealing Adversarial Perturbations [53.279716307171604]
  敵の摂動に対するディープニューラルネットワークの脆弱性は、コンピュータビジョンコミュニティで広く認識されている。 現在のアルゴリズムは、通常、自然および敵対的なデータの識別的分解を通じて、敵のパターンを検出する。 空間周波数Krawtchouk分解に基づく識別検出器を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:18:59Z)
• Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image Reconstruction [127.20208645280438]
  ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。 スペクトル間相互作用のモデル化は、HSI再構成に有用である。 Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-15T16:59:48Z)
• Multi-Discriminator Sobolev Defense-GAN Against Adversarial Attacks for End-to-End Speech Systems [78.5097679815944]
  本稿では,最先端音声テキストシステムのためのエンドツーエンド攻撃に対する防御手法を提案する。 まず,短時間フーリエ変換を用いた2次元スペクトルを用いた音声信号の表現を行う。 第二に、スペクトログラム部分空間射影演算を用いて安全ベクトルを反復的に発見する。 第3に,ソボレフ積分確率計量で学習した新しいganアーキテクチャを用いて,このような安全なベクトルを持つスペクトログラムを合成する。
  論文  参考訳（メタデータ） (2021-03-15T01:11:13Z)

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。