3D 人脸变形攻击：生成、脆弱性与检测
计算机视觉与模式识别
2023-10-16 v3
摘要
人脸识别系统（Face Recognition systems, FRS）已被发现易受人脸变形攻击，其中变形人脸图像由融合来自贡献数据主体的人脸图像生成。本工作提出了一种在 3D 中生成人脸变形攻击的新方向。为此，我们引入了一种基于融合对应贡献数据主体的 3D 人脸点云的新方法。所提方法通过将输入的 3D 人脸点云投影至深度图与 2D 彩色图像，继而在彩色图像与深度图上独立执行图像融合与包裹操作来生成 3D 人脸变形。随后我们使用规范（固定）视角将 2D 变形彩色图与深度图反向投影至点云。鉴于所生成的 3D 人脸变形模型因单一规范视角会产生孔洞，我们提出了一种新的孔洞填充算法，可得到高质量的 3D 人脸变形模型。我们在新生成的 3D 人脸数据集（包含对应 41 个唯一数据主体的 675 个 3D 扫描）与公开可用数据库（Facescape，含 100 个数据主体）上进行了大量实验。实验旨在以自动 2D、3D FRS 及人类观察者分析为基准评估所提 3D 变形生成方案的相对脆弱性。我们还使用八种不同的质量度量对生成的 3D 人脸变形模型的质量进行了定量评估。最后，我们提出三种不同的 3D 人脸变形攻击检测（3D-MAD）算法，以基准测试 3D 人脸变形攻击检测技术的性能。
引用
@article{arxiv.2201.03454,
title = {3D Face Morphing Attacks: Generation, Vulnerability and Detection},
author = {Jag Mohan Singh and Raghavendra Ramachandra},
journal= {arXiv preprint arXiv:2201.03454},
year = {2023}
}
备注
The paper is accepted at IEEE Transactions on Biometrics, Behavior and Identity Science