FaceGuard：一种针对对抗人脸图像的自监督防御方法
计算机视觉与模式识别
2021-04-07 v2
摘要
当前针对对抗人脸图像的防御机制往往过拟合于训练集中的对抗扰动，无法泛化到未见过的对抗攻击。我们提出一种新的自监督对抗防御框架，即FaceGuard，它可在不利用预计算的对抗训练样本的情况下，自动检测、定位并净化多种对抗人脸。在训练期间，FaceGuard自动合成具有挑战性且多样的对抗攻击，使分类器学会将其与真实人脸区分，同时净化器尝试在图像空间中去除对抗扰动。在LFW数据集上的实验结果表明，FaceGuard对六种未见对抗攻击类型可达到99.81%的检测准确率。此外，所提方法可将ArcFace的人脸识别性能从无解防御下的34.27% TAR @ 0.1% FAR提升至77.46% TAR @ 0.1% FAR。
引用
@article{arxiv.2011.14218,
title = {FaceGuard: A Self-Supervised Defense Against Adversarial Face Images},
author = {Debayan Deb and Xiaoming Liu and Anil K. Jain},
journal= {arXiv preprint arXiv:2011.14218},
year = {2021}
}