Skip to content
KitploitKITPLOIT
ИнструментыЭксплойтыБлог
Log in
Отправить
ИнструментыЭксплойтыБлог
Отправить

Инструменты для хакинга, пентеста и кибербезопасности — ваш арсенал защиты!

Kitploit — это каталог инструментов для хакинга, кибербезопасности и пентестинга. Находите последние обновления проектов для поиска уязвимостей, анализа систем, автоматизации тестирования и усиления вашей безопасности.

ЛентыКонтактыКонфиденциальность© 2026 Kitploit

Каталог инструментов

Категории

Все категории
Loading categories
DeeCLIP — Реализация статьи «DeeCLIP: A Robust and Generalizable Transformer-Based Framework for Detecting AI-Generated Images» | Kitploit
Инструменты/GitHubGitHub/mamadou-keita/deeclip
Машинное ОбучениеСтатьи и ИсследованияБезопасность ИИСостязательная Атака
GitHubmamadou-keita/deeclip

DeeCLIP

Реализация статьи «DeeCLIP: A Robust and Generalizable Transformer-Based Framework for Detecting AI-Generated Images»

Репозиторий
15399 месяцев назадЕщё не проверено
Поделиться

DeeCLIP: Устойчивый и обобщаемый фреймворк на основе Transformer для обнаружения изображений, созданных ИИ

☀️ Если вы считаете эту работу полезной для ваших исследований, пожалуйста, поставьте звёздочку нашему репозиторию и процитируйте нашу статью! ☀️

TODO

Мы активно работаем над следующими пунктами:

  • Релиз ArXiv-статьи
  • Релиз обучающих скриптов
  • Релиз скриптов инференса
  • Релиз чекпоинтов

DeeCLIP

DeeCLIP — это новый фреймворк для обнаружения изображений, созданных ИИ, использующий комбинацию CLIP-ViT и обучения на основе слияния. По мере совершенствования генеративных моделей обнаружение синтетических изображений становится всё более сложной задачей из-за плохой обобщаемости и уязвимости к распространённым манипуляциям с изображениями. DeeCLIP решает эти проблемы с помощью устойчивой и адаптируемой архитектуры.


🔍 Обзор

DeeCLIP улучшает обнаружение изображений, созданных ИИ, интегрируя:

  • ✅ Zero-shot обучение на основе CLIP-ViT для обобщения, не зависящего от конкретной модели.
  • 🧠 Тонкая настройка на основе LoRA для эффективной адаптации без забывания.
  • 🔀 DeeFuser: специальный модуль слияния, объединяющий глубокие и поверхностные признаки для устойчивости к постобработке.
  • 🎯 Triplet loss для структурирования пространства эмбеддингов и улучшения различения реальных и поддельных изображений.

Изображение подхода

Требования

pip install -r requirements.txt

Загрузка весов модели

Чтобы использовать модель, загрузите веса и сохраните их в папке weights.

Автоматическая загрузка (командная строка)

Выполните следующую команду в терминале:

mkdir -p weights && wget -O weights/deeclip_weight_complete_with_lora_5.pth "https://www.dropbox.com/scl/fi/ttiqnbxu8atz4on5gqvgd/deeclip_weight_complete_with_lora_5.pth?rlkey=6xznuvriabkqfdcofhi1pbihu&st=fk02k7hf&dl=1"

SOTA-методы обнаружения

  • C2P-CLIP
  • RINE
  • FatFormer
  • AntifakePrompt
  • Bi-LORA

Оценка

Чтобы запустить тест на конкретном наборе данных, используйте следующую команду:

python testing.py

T-SNE график распределения признаков

Эффективность обобщения методов, обученных на ProGAN

Результаты показывают точность (%) на подмножествах реальных и синтетических данных.

МетодыОбучающий набор#paramsMS COCOFlickrControlNetDall3DiffusionDBIFLaMALTESD2InpaintSDXLSGXLSD3mAcc
FatFormerProGAN493M33.9734.0428.2732.0728.1027.9528.6712.3722.6331.9722.2335.9128.18
RINEProGAN434M99.8099.9091.6075.0073.0077.4030.9098.2071.9022.9098.5008.3070.56
C2P-CLIPProGAN304M99.6799.7315.1075.5727.8789.5665.4300.2027.9082.9007.1770.4655.13
DecCLIPProGAN306M97.8398.5086.0369.3371.1061.3763.0799.9780.5762.6098.9058.6178.99

📖 Цитирование

Если вы используете нашу работу, пожалуйста, процитируйте нашу статью

@misc{keita2025deecliprobustgeneralizabletransformerbased,
      title={DeeCLIP: A Robust and Generalizable Transformer-Based Framework for Detecting AI-Generated Images}, 
      author={Mamadou Keita and Wassim Hamidouche and Hessen Bougueffa Eutamene and Abdelmalik Taleb-Ahmed and Abdenour Hadid},
      year={2025},
      eprint={2504.19876},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2504.19876}, 
}
Скачать инструмент

Популярное

Смотреть все →

Откройте для себя самые используемые инструменты нашего сообщества.

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 Полный набор инструментов OSINT: граф расследования, оценка достоверности, семейства псевдонимов, карта, временная шкала и отчёты. 49 модулей, более 400 сайтов, API-ключи не требуются.

    837
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # Приложение GhostLock с запуском в один клик (CVE-2026-43499)

    536
  • 3

    ARTEX

    baarai/artex

    Платформа автономного тестирования на проникновение на основе мультиагентной LLM с агентами-планировщиками и агентами-исполнителями, графами активов и исследования, записью MITM-трафика и повторной проверкой уязвимостей.

    424
  • 4

    redforge

    cybersecurity91/redforge

    Браузерный инструментарий для red team с 102 офлайн-инструментами для разведки, генерации полезной нагрузки, атак на учётные данные, криптографии, кодирования и отчётности по проектам.

    355
  • 5

    looking-glass

    anonghosty/looking-glass

    Платформа CSIRT, которая загружает отчёты Shadowserver в MongoDB и воспроизводит их в виде интерактивных карт, аналитики, результатов, рекомендаций и исполнительных дашбордов.

    294
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    Система действий для кибербезопасности на базе ИИ — где намерение превращается в управляемое исполнение, доказательства становятся оперативной памятью, а каждая операция улучшает следующую.

    276

Изучить все инструменты

Просмотрите нашу коллекцию инструментов

Смотреть все инструменты →