使用模板反转近似最优变形攻击

最近的工作证明了反转人脸识别系统的可行性，使得仅使用嵌入就能恢复令人信服的人脸图像。我们利用这种模板反转模型开发了一种新型的深度变形攻击，基于反转理论上的最优变形嵌入，该嵌入通过源图像的人脸嵌入的平均值获得。我们实验了该方法的两种变体：第一种利用完全自包含的嵌入到图像反转模型，而第二种利用预训练StyleGAN网络的合成网络以提高变形真实感。我们从多个源数据集生成变形攻击，并研究这些攻击对多个人脸识别网络的有效性。我们展示了我们的方法在白盒和黑盒攻击场景中，在有效性上能够与之前基于深度学习的变形生成最先进方法竞争并经常超越，而且运行速度更快。我们希望这有助于开发大规模深度变形数据集，用于训练检测模型。