欺骗虹膜识别系统的对抗样本

对抗样本近来已被证明能够通过向输入空间图像添加精心构造的微小扰动来欺骗深度学习方法。在本文中，我们研究为基于虹膜码的虹膜识别系统生成对抗样本的可能性。由于生成对抗样本需要对对抗损失进行反向传播，此类设置中无法采用传统的基于滤波器组的虹膜码生成框架。因此，为弥补这一缺陷，我们提出训练一个深度自编码器代理网络来模拟传统的虹膜码生成过程。随后部署该训练好的代理网络，利用迭代梯度符号方法算法生成对抗样本。我们考虑通过三种攻击场景实施非定向与定向攻击。针对这些攻击，我们研究了在白盒与黑盒框架下欺骗虹膜识别系统的可能性。