DCMorph：通过双流交叉注意力扩散进行面部变形

先进的面部变形攻击技术对于预测不断变化的威胁和为身份验证系统开发强大的防御机制至关重要。这项工作引入了 DCMorph，这是一种基于双流扩散的变形框架，可同时在身份调节和潜在空间级别上运行。与受到混合伪影或重建保真度有限的基于 GAN 的方法的影响的图像级方法不同，DCMorph 通过两种机制利用身份条件潜在扩散模型：(1) 解耦交叉注意插值，将来自两个源面孔的身份特定特征注入去噪过程，从而实现现有基于扩散的方法中不存在的显式双重身份条件；(2) DDIM 反转，在两个源面孔的反转潜在表示之间进行球形插值，提供保留结构属性的几何一致的初始潜在表示。对四个最先进的人脸识别系统的漏洞分析表明，与现有方法相比，DCMorph 在两个操作阈值下都实现了最高的攻击成功率，同时仍然难以通过当前的变形攻击检测解决方案进行检测。