Greedy-DiM: 针对异常有效人脸变形的贪心算法
计算机视觉与模式识别
2024-11-13 v2 人工智能
摘要
变形攻击是对最先进的人脸识别系统的一种新兴威胁，其目的是创建一张包含多个身份生物特征信息的图像。扩散变形是一种最近提出的变形攻击方法，在基于表示的变形攻击中取得了最先进的性能。然而，现有关于 DiM 的研究均未利用 DiM 的迭代特性，而是将 DiM 模型视为黑盒，与生成对抗网络或变分自编码器无异。我们提出了一种应用于 DiM 模型迭代采样过程的贪心策略，该策略在基于身份的启发式函数引导下搜索最优步长。我们使用开源的 SYN-MAD 2022 竞赛数据集，将所提出的算法与其他十种最先进的变形算法进行了比较。我们发现所提出的算法异常有效，以 100% 的 MMPMR 欺骗了所有受测试的人脸识别系统，优于所有参与比较的变形算法。
引用
@article{arxiv.2404.06025,
title = {Greedy-DiM: Greedy Algorithms for Unreasonably Effective Face Morphs},
author = {Zander W. Blasingame and Chen Liu},
journal= {arXiv preprint arXiv:2404.06025},
year = {2024}
}
备注
Accepted as a conference paper at IJCB 2024