来源：隐者联盟

文章链接：https://mp.weixin.qq.com/s/DXXPusvBcfk1thLtuimjtA

换脸技术被恶意滥用，带来人脸身份隐私泄露的现实风险，如何从被篡改图片还原出原始人脸，是多媒体取证方向亟待解决的问题。现有的恢复方法大多直接在像素层嵌入身份信息，很容易被局部篡改、多次传输带来的复合退化破坏，还会留下能够被检测到的统计特征。针对这些不足，论文提出 GIER-Net（生成式身份编码鲁棒人脸恢复网络），在可逆潜空间完成身份编码，避开像素域嵌入存在的弊端，实现换脸图像原始人脸身份的可靠恢复。

图1 可逆潜空间人脸恢复系统的整体框架

GIER-Net 属于端到端可逆框架，分为保护、攻击模拟、恢复三个阶段，主干网络采用 Glow 可逆流模型。保护阶段对原始人脸编码得到潜变量，RIEM（冗余身份编码模块）借助人脸掩码把特征拆分为人脸、背景两部分，做冗余融合后生成观感自然的受保护图片；攻击模拟环节模拟现实里的换脸篡改和图像压缩退化；恢复阶段由AAEnc（攻击感知编码器）提取篡改带来的全局攻击特征，再由RIM（逆精炼模块）修正受损潜码出现的分布偏移，解码还原原始人脸。网络结合视觉保真损失、重建损失、潜空间一致性损失共同完成训练调优。

表1 受保护图像质量对比结果

表2 JPEG 质量因子 90 压缩下复合退化的恢复性能对比

实验结果显示，GIER-Net 输出的受保护图片视觉表现良好。面对换脸叠加压缩的复合干扰，它的图像重建质量和身份保留效果优于对比方法。该方法基于潜空间完成身份信息嵌入，具备较好的抗隐写分析能力，能够降低保护信号留下的统计特征，相比传统像素域嵌入方案更难被隐写检测工具识别。

论文信息

该研究工作已被ACM Multimedia 2026（CCF A 类会议）接收，作者为杨华权（华南农业大学）、边山（华南农业大学）、翁塨伟（华南农业大学）、王春桃（华南农业大学）。本文通讯作者为华南农业大学边山副教授。

Huaquan Yang, Shan Bian*, Gongwei Weng, and Chuntao Wang. 2026. GIERNet: Generative Identity Encoding for Robust Original Identity Restoration from Face-Swapped Images. In Proceedings of the 34th ACM International Conference on Multimedia (MM ’26), November 10–14, 2026, Rio de Janeiro, Brazil. ACM, New York, NY, USA, 9 pages. DOI: https://doi.org/10.1145/3767308.3835761

代码链接：https://github.com/yanghuaqvan/GIER-Net.git