设计鲁健远程人脸防欺诊系统的原则

保护人类面部数字身份免受各种攻击向量的威胁至关重要，人脸防欺诊在这一过程中发挥着关键作用。当前方法主要关注检测单个帧内的欺诈尝试以检测呈现攻击。然而，能够实时运行的高真实感生成模型的出现增加了数字攻击的风险。鉴于这些演变威胁，本文旨在解决两个关键方面：第一，揭示了最新人脸防欺诊方法面对数字攻击的漏洞；第二，提出了人脸防欺诊系统常见威胁的全面分类。通过一系列实验，我们展示了当前人脸防欺诊检测技术的局限性及其未能泛化到新型数字攻击情景的失败。值得注意的是，现有模型在数字注入攻击（包括对抗性噪声、逼真的深度伪造攻击和数字重播攻击）方面表现不佳。为 aid in 设计和实现鲁健的人脸防欺诊系统以抵御这些新兴漏洞，本文提出了从模型准确性和鲁健性到管道鲁健性乃至平台鲁健性的关键设计原则。特别是，我们建议使用主动传感器实现主动式人脸防欺诊系统，以显著降低未知攻击向量的风险并提升用户体验。