XSA-MAD：用于变形攻击检测的跨模式语义对齐

变形攻击对人脸识别系统构成严重威胁。然而，现有的基于图像的变形攻击检测（MAD）方法通常很难推广到看不见的生成技术，因为它们仅依赖于视觉线索。我们提出了 XSA-MAD，这是一种基于 CLIP 的多模态框架，可以显式地模拟真实面孔和变形面孔之间的语义不一致。变形概念被分解为四个可解释的属性，包括身份、面部几何形状、纹理和一致性，并被编码为结构化和属性感知的文本表示。图像编码器逐渐与这种有区别的文本空间对齐，从而产生统一的语义表示，捕获真实图像和变形图像之间的代不变性和概念级差异。在 SMDD 训练之后，MAD22 和 MorDIFF 的实验证明了跨不同变形原理的强大泛化能力。特别是，XSA-MAD 在基于 GAN 的变形上实现了 2.92% 的同等错误率，并且在高保真生成攻击下始终优于现有方法。