60个深伪检测器间对抗攻击迁移规律研究

Rafael M. Mamede 等发布论文，在覆盖六种骨干网络、两种预训练方式和五种训练数据配置的 60 个深度伪造检测器上系统评估对抗样本迁移性，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。 评测使用 AutoAttack 和 CW-EOT 两种迁移攻击，平均攻击成功率分别为 7.21% 和 19.52%。作者公开了 24 万张对抗扰动图像、完整成对迁移结果、检测器配置与评测代码。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。