离散点对点攻击是不够的：面向人脸识别的广义流形对抗攻击
计算机视觉与模式识别
2023-04-11 v2
摘要
针对人脸识别 (FR) 模型的经典对抗攻击通常使用单张状态图像为目标身份生成离散样本。然而，这种点对点攻击范式对身份的众多未知状态表现出较差的泛化能力，并且很容易被防御。在本文中，通过重新思考目标身份的人脸与其变体之间的内在关系，我们引入了一种广义流形对抗攻击 (GMAA) 的新流水线，通过扩大攻击范围来实现更好的攻击性能。具体而言，这种扩张体现在两个方面——GMAA 不仅将攻击目标从一个扩展到多个，以促使生成的对抗样本具有良好的泛化能力，而且还利用面部表情变化可以是连续的这一领域知识，将后者从离散点扩展到流形，这作为一种数据增强机制增强了攻击效果。此外，作为一项次要贡献，我们进一步设计了一种具有局部和全局约束的双重监督，以提高生成对抗样本的视觉质量。我们基于大量实验证明了该方法的有效性，并揭示了 GMAA 承诺提供一个具有更高泛化能力和视觉质量的语义连续对抗空间。
引用
@article{arxiv.2301.06083,
title = {Discrete Point-wise Attack Is Not Enough: Generalized Manifold Adversarial Attack for Face Recognition},
author = {Qian Li and Yuxiao Hu and Ye Liu and Dongxiao Zhang and Xin Jin and Yuntian Chen},
journal= {arXiv preprint arXiv:2301.06083},
year = {2023}
}
备注
Accepted by CVPR2023