arXiv · ML· Wonjune Seo, Joonhyuk Baek, Yeseong Jung, Saerom Park·· 6 小时前AI 评分31
MIG-COW：通过梯度分解实现可迁移的深度伪造检测器对抗攻击
MIG-COW: Transferable Adversarial Attacks on Deepfake Detectors via Gradient Decomposition
AI 导读
研究人员提出 MIG-COW 框架，结合动量集成梯度与共识正交分解生成视觉不可感知对抗样本。该框架在 AADD-2025 基准中白盒攻击成功率达 99.96%，显著优于现有基线，黑盒成功率虽仅 7.16% 但获整体最高分。 研究指出低性能但多样的模型会降低攻击效率，凸显真实环境中代理模型选择的重要性。
来源：arXiv · ML · arxiv.org