计算机应用

作者：王瑜, 方贤进, 杨高明, 丁一峰, 杨新露

单位：安徽理工大学 计算机科学与工程学院，安徽 淮南 232001

关键词：人脸伪造,主动防御,注意力掩码,对抗样本,特征提取

基金：国家自然科学基金资助项目(52374155);安徽省科技重大专项(18030901025);安徽省自然科学基金资助项目(2308085MF218);安徽省高等学校自然科学研究项目(2022AH040113)

为了解决人脸图像在未经授权情况下被伪造或篡改的问题，提出一种基于注意力掩码与特征提取的人脸伪造主动防御方法。该方法旨在采取攻击性措施，向图像中加入可干扰伪造模型的对抗样本，从源头上预防图像被伪造，同时提高被保护图像的视觉质量。首先，采用改进的梯度下降法生成对抗扰动并将这些扰动添加至原始图像，使原始图像在经过伪造处理后生成模糊的虚假图像；同时，在生成器中增添注意力掩码，以增强关键特征通道，从而降低复杂背景和光照带来的影响；其次，使用VGG16预训练网络提取图像特征，在特征图层面提升对抗图像的视觉质量。在名人人脸属性（CelebA）数据集和Radboud面孔数据库（RaFD）数据集上的实验结果表明：对StarGAN，所提方法的防御成功率分别达到99.80%和99.63%，生成的对抗图像的视觉质量相较于基于扩频对抗攻击的基准方法在结构相似性（SSIM）上分别提升了30.86%和26.63%，在峰值信噪比（PSNR）上分别提高了34.80%和36.15%。可见，所提方法可有效防御人脸伪造，同时提升对抗图像的视觉质量。

来源：2025年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第3期