AIFIND：用语义锚点锁定特征空间，攻克增量人脸伪造检测的遗忘难题

TL;DR

针对人脸伪造检测中“换脸算法更新快、模型旧知识丢得快”的痛点，哈尔滨工业大学的研究团队提出了 AIFIND。该方法抛弃了传统的“存旧样本（Data Replay）”策略，创新性地利用 语义锚点（Semantic Anchors） 作为视觉特征的“定海神针”，在实现 零重放 的同时，大幅提升了模型对新老伪造类型的检测精度。

背景：为何增量学习在人脸防伪中如此困难？

在人脸伪造领域，新的攻击技术（如 Diffusion-based 为代表的新型合成）日新月异。如果每次出现新攻击都重新训练模型，成本极高。增量学习（Incremental Learning） 本应是理想选择，但现有方法面临两大症结：

1. 特征漂移（Feature Drift）：传统的二元分类（真/假）监督太粗糙，模型只记住了某个数据集的“风格”，换个环境特征分布就失控了。
2. 灾难性遗忘：为了记住新手法，模型会覆盖掉旧知识的神经元权重。

核心直觉：语言是永恒的锚点

作者发现：虽然伪造的视觉表现（Visual Manifold）在变，但描述伪造的 语义概念 是相对稳定的。例如，“眼睛周围有模糊”、“边界处有不自然的连接”这些语义描述在不同算法中是通用的。AIFIND 的核心思想就是：将不稳定的视觉特征强制对齐到稳定的语义锚点上。

技术拆解：AIFIND 的四大核心组件

1. 语义先验生成器 (ASPG)

模型首先分析低级伪影（Blur, Color, Structure, Texture, Boundary），利用大模型（LLM）将这些量化的统计异常转化为文本描述，构建成一个“语义锚点库”。

2. 伪影探针注意力 (Artifact-Probe Attention, APA)

这是视觉与语义融合的关键。APA 模块允许视觉 Token 作为 Query 去“寻找”对应的语义锚点（Key/Value）。通过这种交叉注意力机制，模型在提取特征时会受到语义的明确约束。

3. 多任务双重监督

模型不仅要猜“真假”（Global Classification），还要预测具体存在哪种“伪影”（Artifact Prediction）。这种细粒度的任务设计迫使模型学习具有解释性的特征。

4. 自适应决策协调器 (ADH)

这是解决分类器漂移的杀手锏。当新任务到来时，ADH 不直接在欧几里得空间更新权重，而是在 球面流形（Spherical Manifold） 上进行旋转对齐，确保新老任务的决策边界在几何上具有一致性。

实验战绩

在 Protocol 1（数据集增量）和 Protocol 2（伪造类型增量）中，AIFIND 均取得了压倒性优势：

• 无需数据重放：在不存储任何历史样本的情况下，平均 AUC 依然超过了需要 500 个重放样本的最强基线 SUR-LID。
• 极强的泛化性：在完全未见过的基准（如 FakeAVCeleb）上，AIFIND 依然能保持高识别率，证明了其学习到的是本质的“防伪特征”而非“数据噪声”。

可视化分析：模型真的懂了吗？

通过 Grad-CAM 可视化（见下图），可以看到 AIFIND 的注意力非常集中在眼睛、嘴巴等易受攻击的关键区域。而且这种注意力与预测的伪影类型高度匹配——当热力图亮起眼睛区域时，对应的“眼睛伪影”分类得分也同步飙升。这证明了 AIFIND 具有极佳的 空间-语义一致性（Spatial-Semantic Consistency）。

总结与洞察

AIFIND 的成功在于它跳出了单纯追求像素级区分的怪圈，引入了 视觉-语言对齐 的范式来稳定增量学习过程。它不仅在技术上解决了“遗忘”问题，更在可解释性上迈进了一大步。对于未来的防伪研究，这种基于“语义锚点”的架构可能成为对抗“生成式AI爆发”的有力武器。

局限性：目前语义锚点仍部分依赖预定义的物理伪影，未来如果能结合更强大的 Multimodal LLM 进行自动化发现，其上限将不可估量。