人脸变形攻击与人脸图像质量：变形影响及基于质量的无监督攻击检测
计算机视觉与模式识别
2022-08-15 v2
摘要
变形攻击是近年来受到越来越多关注的一种呈现攻击形式。一张变形图像可成功验证为多个身份。因此，该操作引发了与旅行或身份证件可被验证属于多个人相关的严重安全问题。先前工作触及了变形攻击图像质量的问题，但其主要目的在于定量证明所生成变形攻击的真实外观。我们提出一种理论，即与真实样本相比，变形过程可能对感知图像质量及人脸识别（FR）中的图像效用均产生影响。为探究该理论，本工作提供了变形对人脸图像质量影响的广泛分析，涵盖通用图像质量度量与人脸图像效用度量。该分析不限于单一变形技术，而是针对六种不同变形技术与五个不同数据源，使用十种不同质量度量展开。分析揭示了特定质量度量测得的变形攻击与真实样本质量分数间具有一致的可见分离性。我们的研究进一步基于该效应，探究了利用质量分数进行无监督变形攻击检测（MAD）的可能性。我们的研究考察了数据集内与跨数据集可检测性，以评估此类检测概念在不同变形技术与真实来源上的泛化能力。我们的最终结果表明，一组质量度量（如 MagFace 与 CNNNIQA）可用于执行无监督且泛化的 MAD，正确分类准确率超过 70%。
引用
@article{arxiv.2208.05864,
title = {Face Morphing Attacks and Face Image Quality: The Effect of Morphing and the Unsupervised Attack Detection by Quality},
author = {Biying Fu and Naser Damer},
journal= {arXiv preprint arXiv:2208.05864},
year = {2022}
}
备注
accepted at IET Biometrics journal