ARMOR++：基於多智能體編排的多域原語遷移攻擊深度偽造檢測器

針對深度偽造檢測器在黑盒對抗遷移中因依賴脆弱架構線索而失效的問題，本文提出ARMOR++，一種用於高遷移性深度偽造逃逸的多智能體框架。該框架利用Qwen2.5-VL提供空間語義先驗，並由Qwen3大型語言模型編排原語選擇、超參數自適應重參數化及熵正則化擾動混合。透過整合密集最佳化、顯著性方法、空間變換、頻域擾動和塊結構修改五種互補原語，ARMOR++有效針對異構歸納偏置。在AADD-2025基準上的嚴格評估表明，ARMOR++在低質量和高質量圖像regimes下均顯著優於現有的代理和非代理基線。統計分析證實，與最先進的代理基線相比，盲目標攻擊成功率獲得了實質性提升，且在非代理基準和魯棒防禦配置下也展現出性能優勢。這些發現凸顯了當前深度偽造檢測器部署中存在的顯著可靠性差距，並證明了智能體編排技術在識別潛在漏洞方面的有效性。