用于人脸变形攻击检测器开发的隐私友好型合成数据
计算机视觉与模式识别
2022-04-21 v3
摘要
本工作旨在回答的核心问题是：“变形攻击检测 (MAD) 方案能否基于合成数据成功开发？”。为此，本工作引入了首个基于合成的 MAD 开发数据集，即合成变形攻击检测开发数据集 (SMDD)。该数据集被成功用于训练三个 MAD 骨干网络，证明即使面对完全未知的攻击类型也能带来高 MAD 性能。此外，本工作的一个重要方面是对使用和共享真实生物特征数据所面临挑战的详细法律分析，这使得我们提出的 SMDD 数据集极为必要。SMDD 数据集包含 30,000 个攻击样本和 50,000 个真实样本，已公开供研究使用。
引用
@article{arxiv.2203.06691,
title = {Privacy-friendly Synthetic Data for the Development of Face Morphing Attack Detectors},
author = {Naser Damer and César Augusto Fontanillo López and Meiling Fang and Noémie Spiller and Minh Vu Pham and Fadi Boutros},
journal= {arXiv preprint arXiv:2203.06691},
year = {2022}
}
备注
Accepted at CVPR Workshops 2022