Enhanced image forensics through partial C2PA-based provenance information
Cryptographically verifiable C2PA-based Content Credentials (CCs) can be attached to freshly acquired or generated digit
#cs.MM
共收录 30 条相关情报。
← 返回所有主题From Speech Tokens to Stolen Voices: Attacker-Chosen-Text Speaker Impersonation via Representation Inversion
Speech interaction systems have gradually evolved from traditional cascaded systems that use text as intermediate inform
Temporal Dynamics and Security Assessment of SRT Protocol: A 96-Day Longitudinal Analysis of Production Streaming Infrastructure
This study presents a 96-day longitudinal analysis of Secure Reliable Transport (SRT) protocol behavior in a production
An Agentic ENF Framework for Forensic Video Authentication Against Generative AI
Generative models now synthesise video that is hard to distinguish from genuine footage, and learned detectors that key
Counterfactual Neighborhood Risk Fields: Evidence-Grounded Selective Safety for Vision-Language Models
Representation-based safety defenses for vision-language models (VLMs) often learn to separate harmful from benign input
Geometric Inconsistency Localization in Multi-View Image Sets
该论文关注新视角合成（Novel View Synthesis, NVS）模型生成图像的多视角几何一致性问题，并将其引入多媒体取证场景。NVS 模型能够从不同视点生成同一场景的逼真新视图，但这些生成视图彼此之间往往并不满足严格的几何一致性，
TempQ-Jail: Query-Constrained Candidate Ranking for Text-to-Video Jailbreak Attacks
这篇 arXiv 论文关注文生视频（T2V）模型的安全对齐与越狱（jailbreak）攻击评估问题。作者指出，已有 T2V 越狱研究主要追求"更有效"或"更隐蔽"的候选攻击样本；但在真实部署、带安全防护的 T2V 系统中，视频生成与安全评估
Retrosynthesis of Synthetic Media for Explainable AI Provenance Forensics
本文针对机器学习即服务（MLaaS）平台上生成模型快速普及所带来的合成媒体溯源难题，提出了一种无需修改生成器架构或参数的自引用逆合成框架，用于可解释的AI溯源取证。该框架假设生成器固定（fixed-generator setting），通过
Transfer Safety Awareness for Cross-Modal Safety Drift in Multimodal Large Language Models
本研究聚焦于多模态大语言模型(MLLM)中一种新的安全风险——跨模态安全漂移。视觉模态虽然增强了模型的能力，但也为攻击者提供了新的利用路径：一段在纯文本场景下看似无害的查询，一旦配上特定的视觉图像，就可能表达出被模型间接解读的恶意意图，而模
MMJailBench: A Factorized Benchmark for Disentangling Multimodal Jailbreak Vulnerabilities
MMJailBench 是一个用于解耦多模态大语言模型（MLLM）越狱漏洞成因的因子化基准。现有越狱基准通常将有害意图、提示框架、视觉语义和指令载体混合在单个越狱样例中，导致无法准确定位漏洞的具体来源。MMJailBench 通过系统化地变
Steering the Flow: Inverting Face Recognition Models via Gradient-Guided Flow Matching
本文针对人脸识别系统中的模型逆向攻击（Model Inversion Attacks, MIAs）提出了一种新的两阶段白盒攻击方法——Steering Flow Model Inversion (SFMI)。模型逆向攻击旨在从训练好的识别模
Beyond Visual Evidence: Revealing and Mitigating Relational Privacy Leakage in Document MLLMs
本文关注多模态大语言模型（MLLM）在文档理解场景下的隐私泄露问题，尤其是面向身份证件等身份文档处理的领域专用MLLM。作者指出，现有研究多聚焦于通用MLLM的隐私风险，而领域专用模型在关键信息提取（KIE）任务中的独特脆弱性尚未被充分探索
Collusion-Resistant Image-Agnostic Watermarking for Multi-Screen Shooting
屏幕拍摄（screen-shooting）对机密信息保护构成严重威胁。现有的屏幕拍摄水印方法虽然实现了版权验证，但不同屏幕上携带相同版权水印的图像往往表现出高度相似且可估计的水印模式。这些共享模式可被利用进行水印移除和伪造，作者将这种威胁称
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
Code Division Modulation Layers Against Forgetting and Inference in Continual Gait Identification
本文提出了一种基于码分调制层（CDML）的方法，用于解决持续学习在步态识别系统中面临的灾难性遗忘和隐私推理攻击问题。持续学习允许模型逐步吸收新任务的知识，而无需重新训练整个模型，在生物识别领域具有降低计算成本的潜力。然而，传统持续学习方法在
Between Safe Boundaries: Exploiting Temporal Consistency for Jailbreaking Text-To-Video Generation Models
本文针对文本到视频（T2V）生成模型的越狱攻击问题展开研究。现有越狱方法多从文本到图像攻击迁移而来，但未能充分利用视频生成固有的时间一致性特性，且需要大量视频查询优化，不适用于实际黑盒场景，其对抗性提示搜索也依赖启发式局部信号，缺乏结构化探
Explainable-by-Design Audio Deepfake Detection via Wiener-Hopf Linear Prediction
本文提出了一种基于Wiener-Hopf线性预测的可解释音频深度伪造检测框架。针对现有黑盒模型可解释性差、计算复杂度高的问题，作者设计了一个轻量级二维卷积神经网络（CNN），将Wiener-Hopf预测系数作为输入特征，实现了分类结果与声学
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
Multimodal Unlearning Across Vision, Language, Video, and Audio: Survey of Methods, Datasets, and Benchmarks
随着视觉语言模型（VLM）、扩散模型（DM）、大语言模型（LLM）和音频基础模型（AFM）的广泛应用，这些多模态基础模型可能会从训练数据中无意编码敏感、受版权保护、有偏见或不安全的跨模态关联。在收到删除请求或政策更新后重新训练通常不切实际，
Safe Alone, Unsafe Together: Safeguarding Against Implicit Toxicity When Benign Images Combine
本研究聚焦于多图像内容中一种新型安全威胁——多图像隐式毒性（MIIT）。MIIT指的是每张图片单独看起来无害，但当多张图片被联合解读时，会产生有害语义。这种威胁在社交媒体中日益普遍，但现有的商业内容审核API和模型因缺乏每张图片中的显式风险