GIFGuard: Proactive Forensics against Deepfakes in Facial GIFs via Spatiotemporal Watermarking

📄 arXiv: 2604.26519v1 📥 PDF

作者: Shupeng Che, Zhiqing Guo, Changtao Miao, Dan Ma, Gaobo Yang

分类: cs.CV

发布日期: 2026-04-29

💡 一句话要点

提出GIFGuard，通过时空水印技术实现对GIF图像中深度伪造的主动取证。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱八：物理动画 (Physics-based Animation)

关键词: 深度伪造检测 主动取证 时空水印 GIF图像 视频防伪

📋 核心要点

  1. 现有主动取证方法主要针对静态图像，无法有效应对GIF等时序媒体中深度伪造带来的挑战。
  2. GIFGuard提出时空水印框架，通过时空自适应残差编码器和深度完整性恢复解码器实现鲁棒的水印嵌入与提取。
  3. 实验结果表明，GIFGuard在抵抗深度伪造攻击方面表现出卓越的鲁棒性，并保持了高视觉质量。

📝 摘要（中文）

深度伪造技术的快速发展对图形交换格式（GIF）图像的真实性构成了前所未有的威胁，GIF图像是社交网络中短循环时序媒体的代表。然而，现有的主动取证方法是为静态图像设计的，限制了它们在动画GIF中的应用。为了弥补这一差距，我们提出了GIFGuard，这是第一个为GIF中深度伪造主动取证量身定制的时空水印框架。在嵌入阶段，我们提出了时空自适应残差编码器（STARE），以确保对高级语义篡改的鲁棒性。它采用具有自适应通道重新校准的3D卷积骨干网络来捕获全局连贯的时间依赖性。在提取阶段，我们设计了深度完整性恢复解码器（DIRD）。它利用配备3D注意力的时空沙漏架构来恢复潜在特征，即使在严重的面部操纵下也能准确提取水印信号。此外，我们构建了GIFfaces，这是第一个为GIF主动取证策划的大规模基准数据集，以促进该领域的研究。大量结果表明，GIFGuard实现了高保真视觉质量和对深度伪造的显著鲁棒性。

🔬 方法详解

问题定义：论文旨在解决GIF图像中深度伪造检测与溯源的问题。现有主动取证方法主要针对静态图像，无法有效利用GIF图像的时序信息，在面对深度伪造攻击时鲁棒性不足。因此，需要一种专门针对GIF图像的时空水印技术，以实现对深度伪造的主动防御和取证。

核心思路：论文的核心思路是在GIF图像中嵌入时空水印，该水印能够抵抗深度伪造攻击，并在图像被篡改后仍然能够被准确提取。通过分析GIF图像的时序特性，设计能够捕获全局时序依赖关系的水印嵌入和提取方法，从而提高水印的鲁棒性和隐蔽性。

技术框架：GIFGuard框架主要包含两个阶段：水印嵌入阶段和水印提取阶段。在水印嵌入阶段，使用时空自适应残差编码器（STARE）将水印信息嵌入到GIF图像中。STARE采用3D卷积骨干网络，并结合自适应通道重新校准机制，以捕获全局连贯的时间依赖性。在水印提取阶段，使用深度完整性恢复解码器（DIRD）从可能被篡改的GIF图像中提取水印信息。DIRD采用时空沙漏架构，并配备3D注意力机制，以恢复潜在特征，从而准确提取水印信号。

关键创新：论文的关键创新在于提出了时空自适应残差编码器（STARE）和深度完整性恢复解码器（DIRD），这两个模块专门为GIF图像的深度伪造取证设计。STARE能够有效地将水印嵌入到GIF图像的时空域中，并保持较高的视觉质量。DIRD能够从被深度伪造篡改的GIF图像中准确地提取水印信息，从而实现对深度伪造的溯源。

关键设计：STARE采用3D卷积网络作为骨干网络，以捕获GIF图像的时序信息。自适应通道重新校准机制用于增强重要通道的特征表示，从而提高水印的鲁棒性。DIRD采用时空沙漏架构，以恢复被深度伪造破坏的潜在特征。3D注意力机制用于关注重要的时空区域，从而提高水印提取的准确性。论文还构建了大规模的GIFfaces数据集，用于训练和评估GIFGuard的性能。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，GIFGuard在抵抗多种深度伪造攻击方面表现出卓越的鲁棒性，水印提取准确率显著高于现有方法。同时，GIFGuard能够保持较高的视觉质量，对GIF图像的感知影响较小。在GIFfaces数据集上，GIFGuard取得了state-of-the-art的性能。

🎯 应用场景

GIFGuard可应用于社交媒体平台、新闻媒体机构等，用于验证GIF图像的真实性，防止深度伪造信息的传播。该技术有助于维护网络空间的健康生态，保护用户免受虚假信息的侵害，并为司法取证提供技术支持。未来，该技术可扩展到其他短视频格式，具有广阔的应用前景。

📄 摘要（原文）

The rapid evolution of deepfake technology poses an unprecedented threat to the authenticity of Graphics Interchange Format (GIF) imagery, which serves as a representative of short-loop temporal media in social networks. However, existing proactive forensics works are designed for static images, which limits their applicability to animated GIFs. To bridge this gap, we propose GIFGuard, the first spatiotemporal watermarking framework tailored for deepfake proactive forensics in GIFs. In the embedding stage, we propose the Spatiotemporal Adaptive Residual Encoder (STARE) to ensure robustness against high-level semantic tampering. It employs a 3D convolutional backbone with adaptive channel recalibration to capture globally coherent temporal dependencies. In the extraction stage, we design the Deep Integrity Restoration Decoder (DIRD). It utilizes a spatiotemporal hourglass architecture equipped with 3D attention to restore latent features, allowing for the accurate extraction of watermark signals even under severe facial manipulation. Furthermore, we construct GIFfaces, the first large-scale benchmark dataset curated for GIF proactive forensics to facilitate research in this domain. Extensive results show that GIFGuard achieves high-fidelity visual quality and remarkable robustness performance against deepfakes. Related code and dataset will be released.