論文の概要: Transferable Attack against Face Swapping in an Extended Space

• arxiv url: http://arxiv.org/abs/2606.25376v1
• Date: Wed, 24 Jun 2026 04:09:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 21:36:10.207179
• Title: Transferable Attack against Face Swapping in an Extended Space
• Title（参考訳）: 拡張空間における顔スワッピングに対する移動可能な攻撃
• Abstract要約: Relighting function(AIR)に基づく付加的アイデンティティ攻撃(Additive Identity attack)と呼ばれる主観認識型FSモデルに対するトランスファー可能な攻撃を提案する。 AIRは再照明と加法摂動を利用して、主観非依存FSモデルにおける同一性抽出モジュールを誤解させる。 GANや拡散ベースのFSモデルを含む、最先端の主題に依存しない様々なFSモデルに1000枚の画像ペアを用いた実験は、AIRが攻撃の成功率と画像品質の両方の観点から、既存のすべての攻撃を上回っていることを示している。
• 参考スコア（独自算出の注目度）: 27.769444827714654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although deep Face Swapping (FS) models may benefit the entertainment industry, they pose severe threats to privacy and security. Existing protections, including deepfake detection and adversarial perturbation, are either passive responses or ineffective to unseen subject-agnostic FS models. In this paper, we propose a transferable attack against subject-agnostic FS models named Additive Identity attack based on a Relighting function (AIR). AIR leverages reillumination and additive perturbations to mislead the identity extraction modules in subject-agnostic FS models. By using these two types of perturbations simultaneously, the attack space is extended such that stronger but more visually natural adversarial examples can be identified. To further enhance the visual quality while preserving the effectiveness of the attack, an adaptive translation-invariant operation and an illumination control scheme are designed for AIR. Unlike other methods, AIR does not require a surrogate FS model to achieve high transferability. In addition, a mathematical proof is given for the extension of the attack space. Extensive experiments using 1000 image pairs across various state-of-the-art subject-agnostic FS models, including GAN and diffusion-based FS models, show that AIR surpasses all existing attacks in terms of both attack success rate and image quality.
• Abstract（参考訳）: ディープ・フェイス・スワッピング(FS)モデルはエンターテイメント業界に恩恵をもたらすかもしれないが、プライバシーとセキュリティに深刻な脅威をもたらす。 ディープフェイク検出や対向的摂動を含む既存の保護は、受動的応答か、目に見えない主観的FSモデルに非有効である。 本稿では,リライト機能(AIR)に基づく付加的アイデンティティ攻撃(Additive Identity attack)という,主観認識型FSモデルに対するトランスファー可能な攻撃を提案する。 AIRは再照明と加法摂動を利用して、主観的なFSモデルにおけるアイデンティティ抽出モジュールを誤解させる。 これら2種類の摂動を同時に使用することにより、より強く、より視覚的に自然な対向例を特定することができるように攻撃空間が拡張される。 攻撃の有効性を維持しつつ視覚的品質をさらに向上させるため、AIR用に適応翻訳不変演算と照明制御スキームを設計する。 他の方法とは異なり、AIRは高い転送可能性を達成するために代用FSモデルを必要としない。 さらに、攻撃空間の拡張に関する数学的証明が与えられる。 GANや拡散ベースのFSモデルを含む、最先端の主題に依存しない様々なFSモデルに1000枚の画像ペアを用いた大規模な実験は、AIRが攻撃の成功率と画像品質の両方の観点から、既存のすべての攻撃を上回っていることを示している。

関連論文リスト

• Adversarial Flow Matching for Imperceptible Attacks on End-to-End Autonomous Driving [42.892609033099774]
  Adversarial Flow Matching (AFM)は、E2E ADモデルでTransformer構造上の脆弱性を利用する新しいグレーボックス攻撃フレームワークである。 AFMは、最先端の視覚的非受容性を維持しながら、攻撃の有効性と非受容性の間の優れたトレードオフを達成する。
  論文  参考訳（メタデータ） (2026-04-26T09:12:32Z)
• Universal Camouflage Attack on Vision-Language Models for Autonomous Driving [67.34987318443761]
  自動運転のためのビジュアル言語モデリングが、有望な研究方向として浮上している。 VLM-ADは、敵の攻撃による深刻なセキュリティ脅威に弱いままである。 VLM-ADのための最初のユニバーサルカモフラージュ攻撃フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-09-24T14:52:01Z)
• 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)
• Enhancing Adversarial Transferability with Adversarial Weight Tuning [50.01825144613307]
  敵対的な例(AE)は、人間の観察者に対して良心を抱きながらモデルを誤解させた。 AWTは、勾配に基づく攻撃法とモデルに基づく攻撃法を組み合わせて、AEの転送可能性を高めるデータフリーチューニング手法である。
  論文  参考訳（メタデータ） (2024-08-18T13:31:26Z)
• 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)
• Adversarial Attacks on Both Face Recognition and Face Anti-spoofing Models [14.821326139376266]
  本稿では,顔認識(FR)モデルと顔アンチスプーフィング(FAS)モデルの両方を同時にターゲットとする,新たな攻撃設定を提案する。 具体的には、FRモデルとFASモデルの両方においてブラックボックス攻撃のキャパシティを向上させるために、RMA(Reference-free Multi-level Alignment)と呼ばれる新たな攻撃手法を提案する。
  論文  参考訳（メタデータ） (2024-05-27T08:30:29Z)
• 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)
• A Closer Look at Geometric Temporal Dynamics for Face Anti-Spoofing [13.725319422213623]
  顔認識システムにはFAS(face anti-spoofing)が不可欠である。 本稿では,通常動作と異常動作を区別するGeometry-Aware Interaction Network (GAIN)を提案する。 提案手法は,標準内部およびクロスデータセット評価における最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-06-25T18:59:52Z)
• Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning [54.15303628138665]
  フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。 既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。 我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-01T15:36:59Z)

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。