論文の概要: PhantomSeal: Proactive Deepfakes Defense with Identity/Context Protection and Forensic Tracing
- arxiv url: http://arxiv.org/abs/2607.20564v1
- Date: Mon, 20 Jul 2026 19:05:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.171018
- Title: PhantomSeal: Proactive Deepfakes Defense with Identity/Context Protection and Forensic Tracing
- Title（参考訳）: PhantomSeal: アイデンティティ/コンテキスト保護と法医学的追跡による積極的なディープフェイク防御
- Abstract要約: ディープフェイクは、科学、工学、社会の真正性、セキュリティ、倫理に挑戦する。
PhantomSealは、ユーザイメージのアイデンティティとコンテキストの両方を、顔スワッピング攻撃で使用することから保護する最初のプロアクティブディフェンスである。
- 参考スコア（独自算出の注目度）: 23.277197657594503
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Deepfakes, especially face-swapping attacks, pose significant challenges to authenticity, security, and ethics across science, engineering, and society. While most existing detection/tracing approaches operate post hoc, proactive defenses that aim to intervene before deepfake generation remain limited in terms of real-world effectiveness. In this paper, we present PhantomSeal, the first proactive defense to simultaneously protect both the identity and the context of users' images from being used in face-swapping attacks, while supporting forensic tracing. We present a novel cloaking technique that embeds a selected identity as a stealthy identifier. This mechanism steers the deepfake generation process toward producing content that resembles the chosen cloak identity, thereby preventing successful face-swapping while enabling effective feature-based forensic analysis. The effectiveness and robustness of PhantomSeal is demonstrated in extensive experiments across different face-swapping architectures and models. For example, it reduces the attack success rate of SimSwap, an advanced deepfake model, to 0.30%, and correctly identifies 97.97% of manipulated content. Codes can be found at https://github.com/LiangqinRen/PhantomSeal
- Abstract（参考訳）: ディープフェイク、特に対面攻撃は、科学、工学、社会の真正性、セキュリティ、倫理に重大な課題をもたらす。
既存の検出・追跡手法の多くはポストホックで運用されているが、ディープフェイク発生前に介入しようとするプロアクティブディフェンスは、現実の有効性の観点から制限されている。
本稿では,ユーザイメージのアイデンティティとコンテキストの両方を同時に保護し,法医学的追跡をサポートしながら,対面スワッピング攻撃で使用されることを防止した最初のプロアクティブディフェンスであるPhantomSealについて述べる。
選択したIDをステルス識別子として組み込む新しいクローキング手法を提案する。
この機構は、選択されたクロークアイデンティティに似たコンテンツを生成するためのディープフェイク生成プロセスを操り、効果的な特徴に基づく法医学的分析を可能としつつ、フェイススワッピングの成功を防止する。
PhantomSealの有効性と堅牢性は、さまざまなフェイススワッピングアーキテクチャやモデルにわたる広範な実験で実証されている。
例えば、高度なディープフェイクモデルであるSimSwapの攻撃成功率を0.30%に下げ、操作されたコンテンツの97.97%を正しく識別する。
コードはhttps://github.com/LiangqinRen/PhantomSealで見ることができる。
関連論文リスト
- Phantom: A Unified Face-Swap Deepfake Protection Framework with Latent and Spatial Constraints [0.6533091401094099]
フェイススワッピングのディープフェイクは、不正なID操作を可能にすることによって、個人のプライバシーに対するエスカレートな脅威となる。
我々は,潜伏領域と空間領域の摂動を協調的に抑制する統合型フェイススワップディープフェイク保護フレームワークPhantomを提案する。
論文 参考訳（メタデータ） (2026-06-30T14:10:38Z) - FaceSwapGuard: Safeguarding Facial Privacy from DeepFake Threats through Identity Obfuscation [42.52406793874506]
FaceSwapGuard(FSG)は、ディープフェイクのフェイススワッピング脅威に対するブラックボックス防御機構である。
FSGはユーザーの顔画像に知覚不能な摂動を導入し、アイデンティティエンコーダによって抽出された特徴を妨害する。
複数のフェイススワッピング技術に対するFSGの有効性を示す大規模な実験を行った。
論文 参考訳（メタデータ） (2025-02-15T13:45:19Z) - FaceTracer: Unveiling Source Identities from Swapped Face Images and Videos for Fraud Prevention [75.75309883488005]
FaceTracerは、元人物の身元を、交換された顔画像やビデオから追跡するように設計されたフレームワークである。
これにより、スワップされた顔と元の人物を直接リンクできる堅牢な識別情報を抽出することができる。
論文 参考訳（メタデータ） (2024-12-11T04:00:17Z) - Poisoned Forgery Face: Towards Backdoor Attacks on Face Forgery
Detection [62.595450266262645]
本稿では,バックドア攻撃による顔偽造検出の新たな脅威について紹介する。
バックドアをモデルに埋め込むことで、攻撃者は検知器を騙して偽造された顔の誤予測を発生させることができる。
我々は,顔偽造検知器に対するクリーンラベルバックドア攻撃を可能にするemphPoisoned Forgery Faceフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-18T06:31:05Z) - 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) - Evading Forensic Classifiers with Attribute-Conditioned Adversarial
Faces [6.105361899083232]
本研究では,特定の属性セットを用いて,敵対的な偽の顔を生成することができることを示す。
本稿では,StyleGANの機能空間内の逆潜時符号を探索するフレームワークを提案する。
また,メタラーニングに基づく最適化手法を提案し,未知のターゲットモデル上でのトランスファー可能な性能を実現する。
論文 参考訳（メタデータ） (2023-06-22T17:59:55Z) - 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) - Initiative Defense against Facial Manipulation [82.96864888025797]
本稿では,悪意あるユーザによって制御される顔操作モデルの性能を低下させるための,イニシアティブ・ディフェンスの新しい枠組みを提案する。
まず、サロゲートモデルを用いてターゲット操作モデルを模倣し、次に毒の摂動発生器を考案し、所望の毒を得る。
論文 参考訳（メタデータ） (2021-12-19T09:42:28Z) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳（メタデータ） (2020-03-15T12:45:10Z)
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。