#cs.CV

共收录 217 条相关情报。

学术论文2026-07-29 发布INFO

InkShield: Writing Style Protection Against Unauthorized Handwriting Mimicry

本文提出了一种名为 InkShield 的主动式书写风格防御方法，旨在防止未经授权的手写体模仿攻击。近年来，手写文本生成器能够根据公开可获取的参考样本复制特定作者的书写风格，这可能导致文档伪造和身份盗用等风险。例如，攻击者可利用公开的手写笔

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #agent-security #llm #handwriting #adversarial-defense

学术论文2026-07-28 发布INFO

Adversarial Deepfake Generation and an Investigation of Purification-Based Adversarial Detection

本文是团队"Go To Germany"参加ImageCLEF 2026深度伪造检测与生成任务的系统描述，并在官方任务之外额外开展了基于净化的对抗检测研究。在图像生成任务中，作者使用FLUX.1-dev与PuLID进行身份保持的人脸合成，并

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #deepfake #adversarial-detection #image-forensics #purification

学术论文2026-07-27 发布INFO

ScoreShield: Differentially Private Release of Similarity Scores

本文提出 ScoreShield，一种差分隐私（DP）机制，用于安全发布向量嵌入之间的余弦相似度分数，适用于生物识别、检索增强生成（RAG）等应用。现有方法简单添加独立同分布高斯噪声会导致严重失真且隐私预算随分数数量平方级增长。ScoreS

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.IR #cs.CV #cs.LG #differential-privacy #similarity-scores #retrieval-augmented-generation

学术论文2026-07-27 发布INFO

Development of Vision-Language Model-based GNSS Spoofing Detection for Autonomous Vehicle Navigation

该论文针对自动驾驶汽车（AV）依赖全球导航卫星系统（GNSS）进行定位和导航，易受欺骗攻击（如轨迹重定向、急停等）的问题，提出了首个基于视觉-语言模型（VLM）的GNSS欺骗检测框架。方法创新地融合了前置摄像头视觉数据与车载传感器读数（速度

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #autonomous-vehicle #gnss-spoofing #vision-language-model #adversarial-defense

学术论文2026-07-25 发布INFO

Hiding in Plain Sight: An Effective Physical Adversarial Patch Attack against Visual-Infrared Fused Face Detection

本文提出了一种针对视觉-红外融合人脸检测模型的物理对抗补丁攻击方法 VIPatch（视觉-红外补丁）。随着深度学习在多模态融合（如可见光与红外图像）人脸检测中的应用日益广泛，模型面临的对抗性威胁也相应增加。现有的对抗补丁攻击大多仅在数字域针

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #adversarial-patch #face-detection #visual-infrared-fusion #physical-attack #deep-learning-security

学术论文2026-07-24 发布INFO

Correlation-Aware and Gaussianity-Preserving Robust Latent Angular Watermarking for Diffusion Models

本文提出了一种用于扩散模型的鲁棒潜域水印方法，名为潜角水印（Latent Angular Watermarking, LAW）。针对现有潜域水印方法在保持潜变量高斯性方面存在缺陷，容易受到水印检测或移除攻击，以及水印嵌入后导致潜变量相关性退

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #agent-security #llm #diffusion-model #watermarking

学术论文2026-07-24 发布INFO

ISPCloak: Weaponizing ISP for Optimization-Free Physical Camouflage against Deepfake Detectors

本文揭示了当前深度伪造检测器的一个根本盲点：现有检测器擅长捕获数字合成伪影，但当AI生成的内容被伪装成具有真实物理成像特征时，其有效性会大幅下降。作者指出，真实照片固有硬件相关的统计签名，这些签名由光学传感器和图像信号处理（ISP）流水线印

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #cs.AI #deepfake detection #adversarial attack #ISP pipeline #physical camouflage

学术论文2026-07-23 发布INFO

Physiological Signals as a Forensic Modality for Talking-Face Deepfake Detection

本文针对说话人脸（Talking-Face, TF）深度伪造检测问题，提出了一种基于生理信号（远程光电容积描记术, rPPG）的取证方法。TF深度伪造技术利用静态源图像和音频信号合成逼真的面部视频，而现有基于图像特征的检测器几乎完全失效。与

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.LG #cs.CV #cs.MM #deepfake-detection #rPPG #physiological-signals

学术论文2026-07-23 发布INFO

Self-Poisoning in Adaptive Out-of-Distribution Detection: A Sharp-Threshold Theory and Certified Label-Free Calibration

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.LG #cs.AI #cs.CV #stat.ML

学术论文2026-07-21 发布INFO

Sarus: Privacy-Preserving Multi-Vendor Perception Fusion via Homomorphic Encryption

本文提出 Sarus，一个基于同态加密的隐私保护多供应商感知融合框架，旨在解决自动驾驶车辆在多供应商部署场景中共享检测输出时面临的隐私和安全问题。传统协作感知通过聚合多个代理的检测结果提升环境感知能力，但暴露了供应商的模型行为和敏感环境信息

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #privacy-preserving #homomorphic encryption #perception fusion #autonomous vehicles

学术论文2026-07-21 发布INFO

GLID: Gated Local Intrinsic Dimension Repairs the Blind Spots of Face-Forgery Detectors

本文提出了一种名为GLID（Gated Local Intrinsic Dimension）的人脸伪造检测方法，旨在解决现有基于微调基础模型的检测器对未见过的生成器家族（如GAN或扩散模型生成的图像）检测能力不足的盲点问题。传统检测器在训练

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #face-forgery-detection #lid #deepfake #vision-transformer

学术论文2026-07-18 发布INFO

Cross-Branch Conflict as a Shield: Safeguarding Facial Identities in Unified Multimodal Image Editing

该论文针对统一多模态模型（UMMs）在指令式图像编辑中可能被恶意利用来篡改个人肖像的问题，提出了一种对抗性保护框架CCS。作者首先分析了UMMs中视觉理解分支（基于ViT）和生成分支（基于VAE）的特征级一致性，发现单个分支的特征扰动不足以

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #cs.CL #adversarial-protection #facial-identity #multimodal-editing

学术论文2026-07-17 发布INFO

One Modality to Forget Them All: Enhancing Cross-Modal Unlearning in Vision-Language Models

该论文首次系统研究了视觉-语言模型（VLM）中遗忘（unlearning）的跨模态迁移问题。现有机器学习遗忘技术主要用于移除大型语言模型中的危险知识，但VLM同时处理文本和视觉输入，遗忘在一个模态中是否会自动迁移到另一个模态是一个关键安全问

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #cs.CL #vision-language-models #unlearning #cross-modal #typographic-attacks

学术论文2026-07-17 发布INFO

Do Agents Dream of False Memories? Black-box Visual Attacks on Long-term Memory in Multimodal AI Agents

多模态AI代理越来越依赖持久性长期记忆来在视觉和文本上下文中进行生成。本文揭示了对视觉数据的无条件信任是一个关键安全漏洞。作者提出了Lucid，一个黑盒对抗性框架，在严格的图像受限威胁模型下攻击多模态记忆管道，无需访问目标多模态大模型（ML

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #cs.LG #agent-security #llm #multimodal #memory-poisoning

学术论文2026-07-16 发布INFO

Intentional Electromagnetic Interference Attacks on Facial Recognition

本文研究了针对人脸识别系统的有意电磁干扰（IEMI）攻击。传统计算机视觉攻击多局限于数字域，而生物特征识别（包括人脸识别）中，针对传感器的物理呈现攻击占据主导地位，且存在显著的风险与机遇。本文指出生物特征传感器在物理到数字转换管线中存在关键

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #cs.LG #facial-recognition #hardware-attack #em-interference #presentation-attack

学术论文2026-07-16 发布INFO

On Success and Simplicity: A Second Look at Transferable Vision-Language Attack Pipeline

视觉-语言预训练模型（VLPMs）已被证实容易受到对抗性攻击。现有的可迁移攻击通常采用复杂的损失函数或多阶段文本/图像攻击流程，但本文发现这些复杂设计反而存在三个先前被忽视的问题：不恰当的跨模态交互和冗余操作导致攻击效果受限。为解决这些问题

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #adversarial-attacks #vision-language #transferability #simvla

学术论文2026-07-14 发布INFO

Delving into the Temporal Challenges of Unified Video Protection Against Image-to-Video and Fine-Tuning-based Customization

本文聚焦于视频内容保护，以防御图像到视频生成（reference-based）和微调（tuning-based）两种定制化视频生成管线带来的隐私泄露与身份盗窃风险。现有针对图像的保护方法无法直接迁移到视频上，面临三大时序挑战：(1) 逐帧优

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #cs.LG #视频保护 #对抗性扰动 #身份隐私 #AI安全

学术论文2026-07-14 发布INFO

Traceback Translators Against Forgetting in Continual Fake Speech Detection

该论文聚焦于持续学习场景下的假语音检测问题。随着语音生成模型不断演进，假语音检测器需要持续更新以识别新类型的伪造语音。然而，传统的微调或增量学习方法会导致灾难性遗忘，即模型在适应新数据时显著丧失对旧数据的检测能力。作者提出一种基于域翻译器的

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #cs.AI #cs.MM #cs.SD #fake-speech-detection #continual-learning

学术论文2026-07-14 发布INFO

VanillaBench: The Hidden Accuracy Cost of Adversarial Robustness

过去十年中，对抗鲁棒性研究产生了数百种防御模型，但文献几乎普遍孤立地报告鲁棒性结果：仅展示鲁棒模型的标准（干净）准确率和对抗准确率，而很少量化与对应普通模型（vanilla model）的差距。本文提出 VanillaBench，一个系统化

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #adversarial robustness #benchmark #computer vision #security

学术论文2026-07-13 发布INFO

Representation and Reference Selection in Training-Free Synthetic Image Attribution

该论文研究了训练无关（training-free）的参考式合成图像溯源方法，即通过将待检测图像与已知生成源的参考图像进行比较来识别其来源。此类方法无需针对新生成器重新训练分类器，仅需添加特定来源的参考即可扩展，具有可扩展性强的优点。然而，其

历史摘要 · 未重新核验 · arXiv cs.CR

#cs.CV #cs.AI #synthetic-image-attribution #image-forensics #representation-learning