使用精心制作的自然妆容的规避攻击
计算机视觉与模式识别
2021-09-15 v1 密码学与安全
机器学习
摘要
深度学习人脸识别模型被最先进的监控系统用于识别经过公共区域（如机场）的个体。先前的研究已证明使用对抗机器学习 (AML) 攻击可成功规避此类系统在数字和物理域中的识别。然而，物理域中的攻击需要对人类参与者的面部进行显著改动，这会引起人类观察者（如机场安保人员）的怀疑。在本研究中，我们提出了一种新颖的黑盒 AML 攻击，其精心制作自然妆容，当应用于人类参与者时，可阻止该参与者被人脸识别模型识别。我们针对 ArcFace 人脸识别模型评估了所提出的攻击，在包含两台相机、不同拍摄角度和不同光照条件的真实世界设置中使用了 20 名参与者。评估结果显示，在数字域中，人脸识别系统无法识别所有参与者，而在物理域中，人脸识别系统仅在 1.22% 的帧中能够识别参与者（相比之下，无妆容时为 47.57%，随机自然妆容时为 33.73%），这低于真实操作环境的合理阈值。
引用
@article{arxiv.2109.06467,
title = {Dodging Attack Using Carefully Crafted Natural Makeup},
author = {Nitzan Guetta and Asaf Shabtai and Inderjeet Singh and Satoru Momiyama and Yuval Elovici},
journal= {arXiv preprint arXiv:2109.06467},
year = {2021}
}