应对差分形象攻击中的主体相似性
计算机视觉与模式识别
2024-04-12 v1 密码学与安全
摘要
形象攻击的兴起对自动人脸识别系统构成了显著的安全隐患，亟需具备鲁棒且有效的差分形象攻击检测 (D-MAD) 方法。本文聚焦于 D-MAD，即将可信的现场捕获图像（通常代表犯罪分子）与文档图像比较，以分类其为 morphed 或 bona fide。我们指出，这类基于身份特征的方法在形象图像与现场图像足够不同的情况下效果良好；但当应用于相似主体（如形象图像与帮凶）或两种图像相似性较高的情况时，效果显著下降。为此，本文提出 ACIdA 系统，包含用于攻击类型分类的模块，以及用于身份与人工特征分析的两个模块。成功解决此任务后，可拓宽 D-MAD 应用范围，包括当前完全依赖人类评估的文档注册阶段，从而限制含操控图像的身份证件的发布，以及自动闸机检测帮凶和犯罪分子。我们在所提出情景下对 ACIdA 进行了广泛的跨数据集实验评估，结果显示其在实现最先进性能方面优于文献中竞争方法，同时在传统 D-MAD 基准测试中保持良好性能。
引用
@article{arxiv.2404.07667,
title = {Dealing with Subject Similarity in Differential Morphing Attack Detection},
author = {Nicolò Di Domenico and Guido Borghi and Annalisa Franco and Davide Maltoni},
journal= {arXiv preprint arXiv:2404.07667},
year = {2024}
}