CMUA-Watermark 的安装和配置教程

1. 项目基础介绍和主要编程语言

CMUA-Watermark 是一个开源项目，旨在为对抗深度伪造技术提供一种跨模型的通用对抗性水印。它可以保护多种面部图像，抵御多种面部修改模型（如 StarGAN、AttGAN、AGGAN、HiSD）的攻击。该项目主要通过 Python 语言实现。

2. 项目使用的关键技术和框架

该项目使用了以下关键技术：

• 对抗性样本生成：利用生成对抗网络（GAN）生成对抗性水印。
• 水印融合策略：通过特定的融合策略将水印添加到面部图像中。
• 自动步长调整：使用 Microsoft NNI（Neural Network Intelligence）进行步长搜索和优化。

所使用的框架包括：

• TensorFlow：用于构建和训练深度学习模型。
• Keras：作为 TensorFlow 的高级接口，简化模型构建过程。
• NNI：用于超参数优化和自动化机器学习。

3. 项目安装和配置的准备工作与详细安装步骤

准备工作

在开始安装前，请确保您的系统满足以下要求：

• 操作系统：Linux 或 macOS
• Python 版本：3.6 或更高 -pip：用于安装 Python 包

安装步骤

1. 克隆项目仓库

   打开命令行窗口，运行以下命令克隆项目仓库：

   git clone https://github.com/VDIGPKU/CMUA-Watermark.git
   cd CMUA-Watermark
   

2. 安装依赖

   在项目目录中，使用以下命令安装所需的 Python 包：

   pip install -r requirements.txt
   

3. 准备数据集

   下载 CelebA 数据集，并创建指向数据集的符号链接：

   cd stargan
   bash download.sh celeba
   cd ..
   ln -s your_path_to_celeba_data ./data
   

   请将 your_path_to_celeba_data 替换为您的 CelebA 数据集路径。

4. 准备模型权重

   下载预训练的模型权重，并将权重文件移动到相应的模型文件夹中：

   cd CMUA-Watermark
   mv ./weights/stargan/* ./stargan/stargan_celeba_256/models
   mv ./weights/AttentionGAN/* ./AttentionGAN/AttentionGAN_v1_multi/checkpoints/celeba_256_pretrained
   mv ./weights/HiSD/* ./HiSD
   mv ./weights/AttGAN/* ./AttGAN/output/256_shortcut1_inject0_none/checkpoint
   

   注意：这些权重文件的版权属于其所有者。如果您需要进行商业用途，请联系权重文件的所有者以获取授权。

5. 准备水印（仅用于推理）

   下载提供的水印文件，以便测试其在 CelebA 数据集上的性能。

6. 运行推理

   使用以下命令对 CelebA 数据集中的图像进行推理（可在 evaluate.py 中修改测试图像数量）：

   python3 universal_attack_inference.py
   

   如果您想使用自己的图像进行推理，请运行以下命令，并确保 demo_input.png 被替换为您自己的图像路径：

   python3 universal_attack_inference_one_image.py ./demo_input.png
   

7. 训练（攻击多种深度伪造模型）

   • 搜索步长：使用 Microsoft NNI 进行步长搜索。您可以修改 nni_config.yaml 和 search_space.json 文件来自定义搜索过程。

     nnictl create --config ./nni_config.yaml
     

   • 使用步长进行训练：获取最佳步长后，修改 setting.json 文件中的默认步长，然后运行以下命令：

     python universal_attack.py
     

按照以上步骤操作，您应该能够成功安装和配置 CMUA-Watermark 项目，并开始使用它进行深度伪造的防御。