论从深度人脸模板重建人脸图像
计算机视觉与模式识别
2018-05-01 v4
摘要
最先进的人脸识别系统基于深度（卷积）神经网络。因此，确定从深度网络导出的人脸模板能在多大程度上被反演以获取原始人脸图像，是至关重要的。本文研究了基于模板重建攻击的最先进人脸识别系统的脆弱性。我们提出了一种邻域反卷积神经网络（\textit{NbNet}），以从深度模板重建人脸图像。在我们的实验中，假设不掌握关于目标对象和深度网络的任何先验知识。为训练 \textit{NbNet} 重建模型，我们使用人脸生成器合成的大量图像扩充了两个基准人脸数据集（VGG-Face 和 Multi-PIE）。所提出的重建方法使用 I 型攻击（将重建图像与用于生成深度模板的原始人脸图像进行比较）和 II 型攻击（将重建图像与同一对象的不同人脸图像进行比较）进行评估。给定从 \textit{NbNets} 重建的图像，我们表明，在验证方面，在 0.1\% 的 FAR 下，LFW 上 I 型（II 型）攻击的 TAR 达到 95.20\%（58.05\%）。此外，在彩色 FERET 中，从 \textit{fa}（\textit{fb}）分区模板重建的图像中有 96.58\%（92.84\%）可以从 \textit{fa} 分区中被识别出来。我们的研究证明了在人脸识别系统中保护深度模板的必要性。
引用
@article{arxiv.1703.00832,
title = {On the Reconstruction of Face Images from Deep Face Templates},
author = {Guangcan Mai and Kai Cao and Pong C. Yuen and Anil K. Jain},
journal= {arXiv preprint arXiv:1703.00832},
year = {2018}
}
备注
To appear in TPAMI, IEEE Transactions on Pattern Analysis and Machine Intelligence, 2018