摘要
统一人脸攻击检测（UAD）需在共享决策空间中识别物理欺骗与数字伪造，但现有方法多依赖外观相关性且缺乏证据支撑的推理。本文提出 UniShield，一种基于知识的多模态推理框架。该框架构建人脸攻击知识图谱（FAKG），关联攻击类别与诊断性视觉线索，并合成大量样本用于指令微调。此外，引入图一致性推理优化（GCRO）目标，通过奖励机制鼓励生成的推理依据与图谱线索一致，惩罚不兼容主张。实验表明，该方法在多项协议下均优于判别式基线及通用多模态大模型，显著提升了检测精度与推理可靠性。
AI 推荐理由
论文核心提出基于知识图谱的多模态推理框架，利用结构化知识增强推理一致性与可靠性。
研究机构
Shijiazhuang Tiedao University
Shanghai Jiao Tong University
Ningbo Institute of Digital Twin
Great Bay University
论文信息