基于知识蒸馏的 LoRA 增强视觉 Transformer 用于单图像形态攻击检测
计算机视觉与模式识别
2025-11-18 v1
摘要
人脸识别系统（FRS）是安全领域的关键组件，但面临形态攻击的脆弱性，即合成图像将多个个体的生物特征混合在一起。我们提出一种新颖的单图像形态攻击检测（S-MAD）方法，采用教师-学生框架，其中基于 CNN 的教师模型细化基于视觉 Transformer（ViT）的学生模型。为提高效率，我们集成低秩适应（LoRA）进行微调，降低计算成本，同时保持高检测准确率。我们在由三组公开人脸数据集构建的形态数据集上进行大量实验，包含十种不同的形态生成算法，以评估鲁棒性。该方法与六项最先进的 S-MAD 技术进行基准测试，显示出卓越的检测性能和计算效率。
引用
@article{arxiv.2511.12602,
title = {LoRA-Enhanced Vision Transformer for Single Image based Morphing Attack Detection via Knowledge Distillation from EfficientNet},
author = {Ria Shekhawat and Sushrut Patwardhan and Raghavendra Ramachandra and Praveen Kumar Chandaliya and Kishor P. Upla},
journal= {arXiv preprint arXiv:2511.12602},
year = {2025}
}