假装直到破裂：关于AI生成图像检测器的对抗鲁棒性
原文中文，约300字，阅读约需1分钟。发表于：。本研究解决了当前法医分类器在现实场景中评估不足的问题，特别是在攻击者存在及社交媒体降质的影响下。通过评估最先进的AI生成图像检测器的性能，研究展示了在没有模型访问权限的情况下，攻击者依然能够有效攻击这些分类器，显著降低检测准确性。最终，本文还提出了一种简单的防御机制，以提高基于CLIP的检测器的对抗鲁棒性。
该研究提出了一种方法来识别对抗场景中的AI生成图像。论文收集了ARIA数据集，包含四种AI生成器的图像及其人工对应物。通过用户研究和基准测试，评估了用户和AI检测器的识别能力，并使用ResNet-50分类器测试其在ARIA数据集上的准确性和可迁移性。
