一、研究动机[!note]创新点：利用相位谱实现伪造检测，并且证明了卷积模型可以提取隐性特征。由于上采样是伪造模型的关键步骤，这篇论文通过相位信息检测上采样的伪影。对比之前的频率模型：F3-Net：通过离散余弦变换后的统计特征实现伪造检测二、检测模型可学习的知识点

一、研究动机​ 现有的后门攻击方法生成的对抗样本容易被识别，只是在空间域增加了扰动。为此，作者提出了一种频率对抗性攻击的方法，在频域中增加了对抗性的扰动DCT，接着利用融合模块对不同频段的能量进行微调，有效的避免了在空间范围攻击的冗余噪声：FGSM,PGD，最终通过逆变换生成对抗样

[!CAUTION]本篇论文主要是关于AIGC生成人脸的后门攻击，与换脸技术的后门攻击有差异，因此本篇文章主要研究trigger的生成部分，后面的实验部分不加以研究。一、研究动机​ 目前的后门攻击模型还比较简单，是基于数字像素上的操作，例如增加噪声或者像素补丁，这些攻击已经有很多backd

一、研究动机​ 虽然目前在图像识别任务中有许多有效后门攻击方法，直接扩展到人脸伪造检测领域却存在着一定的问题，例如存在一些伪造人脸检测的算法（SBI,FaceX-ray）是通过真实图像合并转换为负样本进行模型训练的，这种情况下会导致：Backdoorlabelconflict[!NOTE]存在原因：对真实

ProblemSolution搜索染色类。我们发现染色是不可逆的，也就是染成了#后不得染回“.”,所以对于每次染色我们都要尽可能向std上靠拢。我们可以观察一下std，发现需要尽可能从std上的“.”向四周染色（因为3*3染色中间的"."不染)。每次染色前需要判断染完这一部分是否和std一致，如果一

题目链接：​​http://codeforces.com/problemset/problem/1059/B​​B.Forgerytimelimitpertest2secondsmemorylimitpertest256megabytesinputstandardinputoutput

文档https://docs.abp.io/en/abp/latest/CSRF-Anti-ForgeryCSRFAntiForgery的token什么时候写入Cookie的调用/api/abp/application-configuration时，设置Cookie