水印保留的人脸逃逸攻击研究

2026年10月15日，arXiv Computer Vision 刊出 Jefferson David Rodriguez Chivata 等作者的研究，提出一种在黑盒水印设置下、无需访问水印组件的保留水印人脸逃逸攻击 PGD-L_2，用空间与频谱保持项引导对抗扰动，在降低人脸识别相似度的同时限制像素级失真和高频变化。据该报道，在受控人脸图像上，针对两种水印方案、两种人脸识别模型和两个数据集评估，该攻击在操作阈值下逃逸率超过92%，同时 StegaFormer 的水印恢复率保持在93%以上、FaceSigns 保持在99.7%以上，在 epsilon_2=2.0 时视觉质量高于47dB PSNR。上述数据均来自该篇报道，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。