基于GAN生成变形攻击的检测研究

近期工作已证明基于GAN的变形攻击具有可行性，其成功率与更传统的基于 landmarks 的方法相近。这类新型“深度”变形可能要求开发新的适当检测器以保护人脸识别系统。我们探索了基于频谱特征与LBP直方图特征以及CNN模型的简单深度变形检测基线，涵盖数据集内与跨数据集两种情况。我们观察到，简单的基于LBP的系统在数据集内设定下已相当准确，但在泛化方面存在困难，这一现象通过若干此类系统在分数层融合得以部分缓解。我们得出结论：用于GAN图像检测的预训练ResNet总体上最为有效，达到近乎完美的准确率。但我们注意到基于LBP的系统仍具一定价值：除计算需求更低及相对于CNN可解释性更强外，LBP+ResNet融合有时也展现出优于仅用ResNet的性能，表明基于LBP的系统可聚焦于CNN检测器未必捕捉到的有意义信号。