用于人脸融合攻击的分层生成网络
计算机视觉与模式识别
2024-03-19 v1
摘要
人脸融合攻击通过创建包含多个身份的融合图像来规避人脸识别系统 (FRSs)。然而，现有的人脸融合攻击方法要么牺牲图像质量，要么损害身份保持能力。因此，这些攻击在成功欺骗人类观察者的同时，却无法很好地绕过 FRSs 验证。这些方法通常依赖于贡献图像的全局信息，忽略了有效面部区域的细节信息。为了解决上述问题，我们提出了一种新颖的融合攻击方法，以提高融合图像的质量并更好地保留贡献身份。我们提出的方法利用分层生成网络来捕获局部细节和全局一致性信息。此外，一个掩码引导的图像混合模块专门用于去除面部以外区域的伪影，以提高图像的视觉质量。在三个公开数据集上，从 FRSs 脆弱性、攻击可检测性和图像质量方面，将所提出的攻击方法与 SOTA 方法进行了比较。结果表明，我们的方法具有欺骗 FRSs 的潜在威胁，同时能够通过多种融合攻击检测 (MAD) 场景。
引用
@article{arxiv.2403.11101,
title = {Hierarchical Generative Network for Face Morphing Attacks},
author = {Zuyuan He and Zongyong Deng and Qiaoyun He and Qijun Zhao},
journal= {arXiv preprint arXiv:2403.11101},
year = {2024}
}
备注
Accepted by FG2024