AAAI论文解读|Adv-Diffusion Imperceptible Adversarial Face Identity Attack via Latent Diffusion Mode
论文标题
Adv-Diffusion: 不可察觉的对抗性面部身份攻击通过潜在扩散模型实现； Adv-Diffusion: 以潜在扩散模型为基础的不可感知对抗性面部身份攻击
论文链接
Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model论文下载
论文作者
Decheng Liu, Xijun Wang, Chunlei Peng, Nannan Wang, Ruimin Hu, Xinbo Gao
内容简介
本文提出了一种名为Adv-Diffusion的新框架。该框架旨在通过潜在扩散模型生成不可察觉的对抗身份干扰，并发现现有的人脸识别对抗攻击方法在可移植性和隐蔽性方面存在不足的问题。通过在潜在空间中生成对抗干扰而非直接在原始像素空间进行操作，并利用潜在扩散模型强大的修复能力来生成逼真的抗dates图像。该框架设计了一种基于身份敏感条件的条件扩散生成模型，在其周围区域能够产生语义干扰并确保攻击行为既具有可移植性又具备隐蔽性特征。经过大量实验验证，在FFHQ和CelebA-HQ数据集上测试表明本方法较现有的最先进技术表现出更好的性能优势，并且不需要额外引入新的训练过程即可实现最佳效果
分点关键点
Adv-Diffusion体系 * Adv-Diffusion系统通过潜在扩散模型成功绕过直接在原始像素层面上产生干扰的技术限制，在潜在空间巧妙地利用其独特特点实现人工身份干扰效果。该系统不仅能够生成高保真的人工干预图像，在对抗能力方面表现突出的同时还显著降低了被察觉的程度
身份敏感条件扩散生成模型 * 该模型通过经过预先训练的脸部解析功能区分出身份敏感区域与非敏感区域。* 在生成对抗图像的过程中,特别关注于对影响最小化的处理,以确保在对目标个体的身份特征进行调整时,其潜在的影响被有效抑制.* 通过这种机制,能够在保持原始个体特征的同时产出具有高隐蔽性的对抗样本.
实验结果与性能评估 本节通过基于FFHQ和CelebA-HQ数据集的实验结果表明，在提升攻击成功率的同时也保持了较高的图像质量相比现有的对抗攻击方法, Adv-Diffusion展现出显著的优势. 该方法的设计使其在实际应用中的可行性得到显著提升, 并且能够实现仅依赖简单的模型结构即可完成任务的目标, 这一特点使得其在资源受限的应用场景中具有更高的适用性.
自适应强度对抗扰动算法 * 开发了一种动态调整抗扰动策略的自适应增强算法，在潜在空间中通过感知不同区域的扰动变化自动调节攻击力度，并在此过程中实现了对目标图像质量与隐蔽性的双重优化效果。该算法通过不断优化攻击策略使得其生成的目标样本在视觉感知层面不易被发现或识别出异常特征
论文代码
代码链接：https://github.com/kopper-xdu/Adv-Diffusion
中文关键词
- 对抗攻击
- 人脸识别
- 潜在扩散模型
- 身份敏感区域
- 语义扰动
- 隐蔽性
AAAI论文合集：
期待这些论文能给予您帮助！如觉得文章有参考价值，请别忘了点赞关注。未来将持续推出更多高质量的论文资源包。