利用网络辅助潜空间演化的字典攻击用 2D 与 3D 主脸生成
密码学与安全
2022-11-29 v2 计算机视觉与模式识别
机器学习
神经与进化计算
机器学习
摘要
主脸（master face）是一种能对很高比例人群通过基于人脸的身份认证的人脸图像。这些面孔可在无用户任何信息的情况下，以高成功率冒充任意用户。我们在 StyleGAN 人脸生成器的潜嵌入空间中，使用进化算法针对 2D 与 3D 人脸验证模型优化这些面孔。对于 2D 人脸验证，我们比较了多种进化策略，并提出了一种新方法：借助神经网络引导搜索走向有希望的样本，而不增加适应度评估。我们给出的结果表明，对于六种主流深度人脸识别系统，可用少于 10 张主脸在 LFW 或 RFW 数据集上获得可观的身份覆盖。在 3D 中，我们使用 2D StyleGAN2 生成器生成人脸，并用深度 3D 人脸重建网络预测 3D 结构。采用两套不同 3D 人脸识别系统时，我们可获得 40%–50% 的覆盖率。此外，我们展示了成对 2D RGB 与 3D 主脸的生成，其可同时以高冒充率匹配 2D 与 3D 模型。
引用
@article{arxiv.2211.13964,
title = {Generating 2D and 3D Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution},
author = {Tomer Friedlander and Ron Shmelkin and Lior Wolf},
journal= {arXiv preprint arXiv:2211.13964},
year = {2022}
}
备注
accepted for publication in IEEE Transactions on Biometrics, Behavior, and Identity Science (TBIOM). This paper extends arXiv:2108.01077 that was accepted to IEEE FG 2021