物理域中攻击基于 CNN 的反欺骗人脸认证
密码学与安全
2019-10-02 v1
摘要
在本文中，我们研究了基于深度学习的反欺骗方法面对对抗扰动的脆弱性。我们首先表明，攻击基于 CNN 的反欺骗人脸认证系统是一项困难任务。当欺骗人脸图像在物理世界中被攻击时，攻击不仅必须去除图像中存在的重播伪影，还必须考虑到被攻击图像将被再次捕获，从而补偿随后重播过程在攻击后重新引入的失真。随后，我们提出一种方法来生成针对基于 CNN 的反欺骗人脸认证的鲁棒物理域对抗图像。以此方式构建的攻击可成功通过认证链中的所有步骤（即人脸检测、人脸识别与欺骗检测），同时实现以下目标：i) 使欺骗检测失效；ii) 让面部区域被检测为人脸；iii) 被识别为属于攻击的受害者。所提攻击的有效性在真实场景中通过考虑 REPLAY-MOBILE 数据库并经由手机摄像头将对抗图像输入真实人脸认证系统进行了实验验证。
引用
@article{arxiv.1910.00327,
title = {Attacking CNN-based anti-spoofing face authentication in the physical domain},
author = {Bowen Zhang and Benedetta Tondi and Mauro Barni},
journal= {arXiv preprint arXiv:1910.00327},
year = {2019}
}
备注
10 pages, 11 figures, has been submitted to Computer Vision and Image Understanding(CVIU)