VALSE

VALSE 首页 活动通知 查看内容

VALSE 论文速览 第206期:Adv-Diffusion:基于LDM的对抗性人脸身份攻击 ...

2025-1-13 19:10| 发布者: 程一-计算所| 查看: 56| 评论: 0

摘要: 为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展,VALSE最新推出了《论文速览》栏目,将在每周发布一至两篇顶会顶刊论文的录制视频,对单个前沿工作进行细致讲解。本期VALSE论文速 ...

为了使得视觉与学习领域相关从业者快速及时地了解领域的最新发展动态和前沿技术进展,VALSE最新推出了《论文速览》栏目,将在每周发布一至两篇顶会顶刊论文的录制视频,对单个前沿工作进行细致讲解。本期VALSE论文速览选取了来自西安电子科技大学的基于隐式扩散模型的对抗人脸身份攻击工作。该工作由西安电子科技大学和重庆邮电大学共同合作完成刘德成老师录制。


论文题目:

Adv-Diffusion: Imperceptible Adversarial  Face Identity Attack via Latent Diffusion Model

作者列表:

刘德成 (西安电子科技大学),王西军 (西安电子科技大学),彭春蕾 (西安电子科技大学),王楠楠 (西安电子科技大学),胡瑞敏 (西安电子科技大学),高新波 (重庆邮电大学)


B站观看网址:

https://www.bilibili.com/video/BV1TXx4eCENW/?spm_id_from=333.999.0.0&vd_source=60f8dec9131b788976f17e2922918e04


复制链接到浏览器打开或点击阅读原文即可跳转至观看页面。


论文摘要:

Adversarial attacks involve adding perturbations to the source image to cause misclassification by the target model, which demonstrates the potential of attacking face recognition models. Existing adversarial face image generation methods still can't achieve satisfactory performance because of low transferability and high detectability. In this paper, we propose a unified framework Adv-Diffusion that can generate imperceptible adversarial identity perturbations in the latent space but not the raw pixel space, which utilizes strong inpainting capabilities of the latent diffusion model to generate realistic adversarial images. Specifically, we propose the identity-sensitive conditioned diffusion generative model to generate semantic perturbations in the surroundings. The designed adaptive strength-based adversarial perturbation algorithm can ensure both attack transferability and stealthiness. Extensive qualitative and quantitative experiments on the public FFHQ and CelebA-HQ datasets prove the proposed method achieves superior performance compared with the state-of-the-art methods without an extra generative model training process. 


参考文献:

[1] D Liu, X Wang, C Peng, N Wang, R Hu, X Gao. Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model. arXiv preprint arXiv:2312.11285, 2023.


论文链接:

[https://arxiv.org/abs/2312.11285]


视频讲者简介:

刘德成,华山准聘副教授, 2021年6月于西安电子科技大学获得信息与通信工程(智能信息处理)专业博士学位。主持国家自然科学基金青年项目,陕西省自然科学基础研究计划青年项目,中央高校基本科研业务费等,参与国家自然科学基金面上项目,国家自然科学基金重点项目等多项国家和省部级项目。获西安电子科技大学优秀博士学位论文。在ICCV、ICML、AAAI、IJCAI、 ACM MM、IEEE TNNLS、TIFS、TIP、TMM、TCSVT、Pattern Recognition 等国际会议和顶级期刊上发表论文二十余篇。主要研究课题包括:视觉数据可信识别、人脸伪造检测分析,可视数据隐私保护,对抗攻击与防御等。



特别鸣谢本次论文速览主要组织者:

月度轮值AC:周天飞 (北京理工大学)


活动参与方式

1、VALSE每周举行的Webinar活动依托B站直播平台进行,欢迎在B站搜索VALSE_Webinar关注我们!

直播地址:

https://live.bilibili.com/22300737;

历史视频观看地址:

https://space.bilibili.com/562085182/ 


2、VALSE Webinar活动通常每周三晚上20:00进行,但偶尔会因为讲者时区问题略有调整,为方便您参加活动,请关注VALSE微信公众号:valse_wechat 或加入VALSE QQ T群,群号:863867505);


*注:申请加入VALSE QQ群时需验证姓名、单位和身份缺一不可。入群后,请实名,姓名身份单位。身份:学校及科研单位人员T;企业研发I;博士D;硕士M。


3、VALSE微信公众号一般会在每周四发布下一周Webinar报告的通知。


4您也可以通过访问VALSE主页:http://valser.org/ 直接查看Webinar活动信息。Webinar报告的PPT(经讲者允许后),会在VALSE官网每期报告通知的最下方更新。


小黑屋|手机版|Archiver|Vision And Learning SEminar

GMT+8, 2025-1-31 05:29 , Processed in 0.012675 second(s), 14 queries .

Powered by Discuz! X3.4

Copyright © 2001-2020, Tencent Cloud.

返回顶部