2022-CVPR-Exploring Frequency Adversarial Attacks for Face Forgery Detection

一、研究背景
1.带有极细微像素级扰动的对抗性样本会影响Deepfake检测器的准确率。
2.图片的低频区域与内容相关，高频段与边缘纹理相关，频率差异通常被作为Deepfake检测的线索。
3.对抗性样本的目的是欺骗检测器，伪造样本的目的是欺骗人类。

二、研究动机
1.真假样本在频段上呈现出差异性，假样本的高频段相对占比更大。
2.在频域内进行对抗性攻击可以保证原始数据的视觉质量并减轻带给空间域的冗余噪声，同时提高检测器的迁移性。
3.相对于目标攻击，非目标攻击更能适应多样化的分类边界，泛化性也更强。

三、研究目标
1.通过频域对抗攻击来直接修改频域energy。
2.采用非目标攻击生成与原始图片尽可能相似的对抗性样本 X a d v X^{adv}