频率偏差很重要：深入探究鲁棒且泛化的深度伪造图像检测

针对 GAN 等 AI 生成模型驱动的图像伪造，研究者从频率视角分析深度伪造图像检测，发现 DNN 伪造检测器的频率偏差可能是其泛化与鲁棒性问题的成因。论文据此提出两步频率对齐方法，消除真实图像与伪造图像之间的频率差异。该方法具有双向用途，既能在反取证场景中作为针对伪造检测器的强黑盒攻击，也能在取证场景中作为通用防御提升检测器可靠性。作者开发了相应的攻击与防御实现，并在涉及 12 种检测器、8 种伪造模型和 5 项指标的多种实验设置中展示了有效性。