GAN生成的变形脸能否与基于特征点的变形脸同样威胁人脸识别系统？——脆弱性与检测
计算机视觉与模式识别
2020-07-08 v1 密码学与安全
图像与视频处理
摘要
人脸变形的主要目标是将不同数据对象（例如恶意行为者与同谋）的人脸图像进行融合，生成一张对两个贡献数据对象均可同等通过验证的人脸图像。本文提出一种利用较新的生成对抗网络（GAN）——StyleGAN生成人脸变形的新框架。与早期工作不同，我们生成了分辨率为10241024像素的高质量、高分辨率真实感变形脸。利用新创建的包含2500张变形人脸图像的数据集，我们在本工作中提出一个关键问题：(i) GAN生成的变形脸能否与基于特征点的变形脸同样威胁人脸识别系统（FRS）？为寻求答案，我们对商用现货FRS（COTS）与基于深度学习的FRS（ArcFace）的脆弱性进行了基准测试。本工作还利用已有的变形攻击检测（MAD）方案，对GAN生成变形脸与基于特征点变形脸的检测方法进行了基准测试。
引用
@article{arxiv.2007.03621,
title = {Can GAN Generated Morphs Threaten Face Recognition Systems Equally as Landmark Based Morphs? -- Vulnerability and Detection},
author = {Sushma Venkatesh and Haoyu Zhang and Raghavendra Ramachandra and Kiran Raja and Naser Damer and Christoph Busch},
journal= {arXiv preprint arXiv:2007.03621},
year = {2020}
}
备注
Accepted in IWBF 2020