抗深度伪造篡改
将水印与扩散模型生成过程耦合，在保证图像质量的同时获得对深度伪造攻击的高鲁棒性。
Chen, Sun · Haiyang, Sun · Guo, Zhiqing · Diao, Yunfeng · 汪烈军 · Dan, Ma · 杨高波 · Keqin, Li
Information Fusion 2026
在训练阶段引入冻结的自编码器模拟 Deepfake 篡改，并通过 Deepfake-resistant guidance 在采样过程中对抗性引导，生成对常见篡改操作鲁棒的水印图像。
以人脸图像和水印共同作为条件引导扩散模型渐进去噪生成，水印分布自然，不易被察觉或分离。
对人脸条件施加随时间步递减的权重，噪声大时给予强引导，噪声小时减弱引导，使生成过程更稳定。
跨信息融合模块通过可学习嵌入表自适应提取水印特征，并用交叉注意力与图像特征融合，增强水印表达能力。