捕获感知的对抗性补丁攻击：针对掌纹识别模型
计算机视觉与模式识别
2026-04-09 v1 人工智能
密码学与安全
摘要
掌纹识别因其无接触获取方式和高度具辨识力的脊纹与褶纹纹理，被部署于访问控制和基于掌纹的支付等安全关键应用中。然而，深度掌纹识别系统针对可实现的物理攻击的鲁棒性仍不足以理解。现有研究主要局限于数字环境，未充分考虑掌纹识别的纹理主导特性或物理获取过程中引入的畸变。为此，我们提出 CAAP，一套捕获感知的对抗性补丁框架，用于掌纹识别。CAAP 学习一个可跨输入重复使用的通用补丁，在真实获取变异下仍有效。为匹配掌纹的结构特征，框架采用十字形补丁拓扑，在固定像素预算下扩大空间覆盖范围，并更有效地破坏纹理的远程连续性。CAAP 进一步集成三个模块：ASIT 用于输入条件的补丁渲染、RaS 用于随机捕获感知模拟、MS-DIFE 用于特征层身份破坏性引导。我们在 Tongji、IITD 和 AISEC 数据集上针对通用 CNN 主干和掌纹特定识别模型进行评估。实验表明，CAAP 在 untargeted 和 targeted 攻击方面表现出色，具有良好的跨模型和跨数据集迁移性。结果进一步表明，尽管对抗训练可部分降低攻击成功率，但仍存显著的剩余脆弱性。这些发现表明，深度掌纹识别系统仍然容易受到可实现的、捕获感知的对抗性补丁攻击，凸显实际应用中需要更有效防御的必要性。代码地址：https://github.com/ryliu68/CAAP。
引用
@article{arxiv.2604.06987,
title = {CAAP: Capture-Aware Adversarial Patch Attacks on Palmprint Recognition Models},
author = {Renyang Liu and Jiale Li and Jie Zhang and Cong Wu and Xiaojun Jia and Shuxin Li and Wei Zhou and Kwok-Yan Lam and See-kiong Ng},
journal= {arXiv preprint arXiv:2604.06987},
year = {2026}
}