基于对抗扰动的人脸深度伪造主动防御算法.docxVIP

下载本文档

1
0
约2.28万字
约 29页
2025-12-26 发布于天津
举报
版权申诉

基于对抗扰动的人脸深度伪造主动防御算法.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

摘要

Deepfake是一种基于生成式对抗网络(Gan)的人脸伪造技术，因为其近年来在图像生成领域上的强大功能而备受关注。但随着普及化带来的滥用性提高，人们对其的关注也从它的能力变成了如何在生成阶段主动干扰其输出，来破坏其欺骗性。

本文以StarGAN与CycleGAN两个经典图像生成模型为例，对多种抗扰动算法进行研究，主要包括基于图像输入扰动的快速梯度符号法（FGSM）、迭代快速梯度符号法（I-FGSM），来验证是否在Deepfake生成过程对输出图像产生干扰。并利用了ClassTransferableDisruption（CTD）策略，研究单一扰动在多属性目标条件下的迁移能力，分析