[2024年9月20日提出 (v1)、最終改訂2026年7月30日（本バージョン、v3）]

PDFを表示 HTML（実験的）

要旨：深層学習に基づく顔画像操作の悪用は、市民の権利に深刻な脅威をもたらしています。このような詐欺を根本から防ぐため、画像に不可視の敵対的摂動を埋め込み、操作プロセスを妨害して偽造された出力を観察者にとって不自然なものにする能動的防御手法が提案されています。しかし、出力の非標的破壊は識別可能な顔特徴をそのまま残す可能性があり、個人のスティグマ化につながる恐れがあります。本研究では、顔画像操作に対抗するための普遍的フレームワークであるID-Guardを提案します。このフレームワークは、エンコーダーデコーダーネットワークの単一順伝播により、モデル間転移可能な敵対的摂動を生成します。操作された顔から識別可能な特徴を抑制するための新しいIdentity Destruction Module（IDM）を導入しています。摂動生成は、様々な操作タイプの破壊をマルチタスク学習問題として定式化し、モデル間性能を向上させるための動的重み付け戦略により最適化されます。実験結果から、ID-Guardは多様な顔画像操作モデルに対して効果的に防御しつつ、操作された画像の識別可能な領域を劣化させることが示されました。また、破壊された画像は顔のインペインティングや顔認識システムを回避することも可能です。さらに、ID-Guardは敵対的学習などの他のタスクにプラグアンドプレイコンポーネントとしてシームレスに統合できます。ソースコードはこの https URLで公開されています。

提出履歴

From: Zuomin Qu [view email]
[v1] 2024年9月20日（金）09:30:08 UTC (4,124 KB)
[v2] 2025年4月10日（木）07:58:51 UTC (4,376 KB)
[v3] 2026年7月30日（木）02:30:32 UTC (3,989 KB)