编辑推荐：
随着生成对抗网络（GAN）的发展，基于编码器的 GAN 反演技术可对人脸图像进行精细篡改，带来诸多风险。研究人员开展多域多维特征融合（MDFusion）方法的研究，结果显示该方法优于 13 种基线方法，能有效对抗篡改，为图像安全提供有力保障。
近年来，生成对抗网络（Generative Adversarial Networks，GAN）在图像生成领域取得了巨大突破，让合成的图像越来越逼真。然而，这把 “双刃剑” 也带来了严峻的问题。基于编码器的 GAN 反演技术，就像一个隐藏在暗处的 “变脸大师”，能够对人脸图像进行极其细微的操纵。它可以在不知不觉中给人戴上眼镜、改变面部表情，甚至让人看起来年龄发生变化，从而创造出足以乱真的伪造图像。
这些虚假的视觉内容一旦被恶意利用，在网络上广泛传播，就会像病毒一样，在人们毫无察觉的情况下，扭曲他们对现实的认知，引发身份欺诈、传播错误信息等一系列严重后果。但目前，大部分关于 GAN 反演的研究，都把目光聚焦在如何提升反演质量和编辑效率上，却忽视了这些技术被滥用的潜在风险。例如，UnGANable 等相关研究，在对抗基于编码器的 GAN 反演方面，效果也不尽如人意。所以，研发出有效的防御手段，来阻止这种技术的滥用，已经刻不容缓。
为了解决这一难题，来自国内的研究人员开展了一项意义重大的研究，他们提出了一种创新的多域多维特征融合（Multi - Domain and Multi - Dimensional Feature Fusion，MDFusion）方法，该研究成果发表在《Displays》上。这一方法为抵御基于编码器的 GAN 反演对人脸图像的操纵提供了新的思路和解决方案，在保障数字图像安全方面具有重要意义。
研究人员为开展此项研究，主要运用了以下几个关键技术方法：首先，将目标图像从 RGB 颜色空间转换到 YCbCr 颜色空间，重点对亮度（Y）通道进行处理；其次，通过离散分数傅里叶变换（Discrete Fractional Fourier Transform，DFrFT）等技术将 Y 通道图像转换到空间、频率和空间 - 频率混合域；然后，利用专门适配的特征金字塔网络（Feature Pyramid Network，FPN）在多个域中提取并融合高维与低维特征，以生成对抗噪声；最后，将对抗噪声嵌入到 Y 通道的空间 - 频率混合域，并通过设计混合训练损失来引导对抗样本的生成，使其在不可感知性和有效性之间达到平衡。研究使用了 Flickr - Faces - High - Quality（FFHQ）等多个成熟的人脸数据集进行模型训练和评估。
研究结果
- 构建评估框架：研究人员构建了一个全新的框架，用于定义和评估针对基于编码器的 GAN 反演模型的对抗样本。在此之前，并没有人系统地研究过这个课题，这一框架的建立为后续研究奠定了基础。
- 多域特征提取与噪声生成：通过对图像 Y 通道进行多域变换，并利用 FPN 提取多域多维特征，研究人员成功开发出一种生成有效对抗噪声的技术。这种技术充分融合了不同域的信息，克服了传统单域方法的局限性。
- 噪声嵌入与样本增强：将对抗噪声巧妙地嵌入到 Y 通道的空间 - 频率混合域，增强了对抗样本的鲁棒性。这种嵌入方式能够更好地适应对抗噪声同时包含空间和频率域特征的特性，使生成的对抗样本在抵御攻击时表现更出色。
- 综合评估验证效果：研究人员在五个基于编码器的 GAN 反演模型上，使用了平均成功率（Average Success Rate，ASR）、感知损失（Learned Perceptual Image Patch Similarity，LPIPS）和弗雷歇距离（Frechet Inception Distance，FID）等指标进行测试。结果显示，MDFusion 方法在保持图像质量的同时，有效抵御了攻击，其性能优于 13 种基线方法，展现出强大的防御和泛化能力。
研究结论与讨论
MDFusion 方法成功整合了空间域和频率域的策略，借助 DFrFT 和 FPN 等技术，不仅提升了对抗样本的透明度和鲁棒性，还确保了图像的完整性和质量。在数字图像篡改技术日益复杂的当下，MDFusion 为数字图像安全提供了强有力的保障。与现有的技术相比，它在多个方面具有显著优势，有效解决了单域方法信息利用不充分、多域融合困难等问题。不过，任何技术都不是完美的，MDFusion 也存在一定的局限性，这为后续研究指明了方向。未来，研究人员可以在此基础上进一步优化算法，探索更多的应用场景，从而更好地应对不断变化的数字安全挑战。总的来说，这项研究为对抗基于 GAN 的面部图像篡改开辟了新的道路，具有极高的理论价值和实践意义，有望在未来的图像安全领域发挥重要作用。
