基于视觉转换器深度表征的通用单图像形态攻击检测
计算机视觉与模式识别
2025-01-20 v1 人工智能
摘要
面部形态攻击已对面部识别系统（FRS）构成严重威胁，这些系统在边境控制和护照发行场景中运行。因此，需要针对此类攻击的形态攻击检测算法（MAD）来防御。MAD 方法必须具备足够的鲁棒性，以处理开放集场景中的未知攻击，这些攻击可以来自各种形态生成算法、后处理以及打印/扫描仪的多样性。当检测必须在单个可疑图像上完成时， generalization 的问题进一步凸显。在本文中，我们提出了一种基于视觉转换器（ViT）架构学习的编码的通用单图像基于形态的 MAD（S-MAD）算法。相对于基于 CNN 的架构，ViT 模型在整合局部和全局信息方面具有优势，因此适合检测面部区域广泛分布的形态痕迹。我们在公开可用的 FRGC 面部数据集上进行了大量实验。选取了几种最新（SOTA）MAD 算法，包括已公开评估的代表性算法，并与我们的 ViT 方法进行基准测试。获得的结果显示，所提出的 S-MAD 方法在不同数据用于训练和测试的跨数据集测试（inter-dataset testing）和使用相同数据用于训练和测试的同数据集测试（intra-dataset testing）实验协议方面表现出 improved 检测性能。
引用
@article{arxiv.2501.09817,
title = {Generalized Single-Image-Based Morphing Attack Detection Using Deep Representations from Vision Transformer},
author = {Haoyu Zhang and Raghavendra Ramachandra and Kiran Raja and Christoph Busch},
journal= {arXiv preprint arXiv:2501.09817},
year = {2025}
}