arXiv · cs.AI· Rafael M. Mamede, Pedro C. Neto, Ana F. Sequeira·· 5 小时前
迁移式对抗攻击如何跨深度伪造检测器迁移：源目标兼容性的影响
What Makes Adversarial Examples Transfer Across Deepfake Detectors?
arXiv:2609.10002v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Rafael M. Mamede, Pedro C. Neto, Ana F. Sequeira
研究任务与主要进展
作者在60个深度伪造检测器上评估AutoAttack和CW-EOT迁移攻击，发现源模型与目标检测器共享精确骨干网络、架构家族、预训练方式或训练数据时，攻击迁移成功率更高。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org