用于差分变形攻击检测的深度人脸表示
密码学与安全
2020-04-06 v2
摘要
人脸识别系统易受人脸变形攻击的漏洞是众所周知的。科学文献中已提出许多不同的变形攻击检测方法。然而,迄今为止提出的变形攻击检测(MAD)算法仅在图像特征分布非常有限(例如仅由单一变形工具创建)或相当不真实(例如无打印-扫描变换)的数据集上训练和测试。因此,这些方法容易对某些图像类型过拟合,且所呈现的结果不能期望适用于真实场景。例如,最新 NIST 人脸识别供应商测试 MORPH 的结果表明,所提交的 MAD 算法在考虑未见过的且具有挑战性的数据集时缺乏鲁棒性和性能。本工作中,使用 FERET 和 FRGCv2 人脸数据库的子集来创建一个用于变形攻击检测算法训练和测试的大型真实数据库,其中包含大量符合 ICAO 的真实人脸图像、对应的无约束探针图像,以及由四种不同工具创建的变形图像。此外,对参考图像施加了多种后处理,例如打印-扫描和 JPEG2000 压缩。在该数据库上,对先前提出的差分变形算法进行了评估与比较。另外,研究了深度人脸表示在差分变形攻击检测算法中的应用。结果表明,基于深度人脸表示的算法可实现非常高的检测性能(低于 3\%~\mbox{D-EER})以及针对各种后处理的鲁棒性。最后,分析了所开发方法的局限性。
引用
@article{arxiv.2001.01202,
title = {Deep Face Representations for Differential Morphing Attack Detection},
author = {Ulrich Scherhag and Christian Rathgeb and Johannes Merkle and Christoph Busch},
journal= {arXiv preprint arXiv:2001.01202},
year = {2020}
}