针对 MTCNN 人脸检测系统的真实世界对抗攻击
计算机视觉与模式识别
2020-10-27 v2 密码学与安全
机器学习
摘要
近期研究证明深度学习方法在人脸检测任务上取得了显著成果。另一方面，这些进展引发了一个与深度卷积神经网络模型安全性相关的新问题，揭示了基于 DCNN 的应用的潜在风险。即便是数字域中微小的输入改变也可能导致网络被欺骗。此后有研究表明，一些基于深度学习的人脸检测器不仅在数字域中，而且在真实世界中也易受对抗攻击。在本文中，我们研究了著名级联 CNN 人脸检测系统——MTCNN 的安全性，并提出了一种易于复现且鲁棒的攻击方式。我们提出将打印在普通黑白打印机上的不同人脸属性贴附到医用口罩上或直接贴到脸上。我们的方法能够在真实场景中将 MTCNN 检测器攻破。
引用
@article{arxiv.1910.06261,
title = {Real-world adversarial attack on MTCNN face detection system},
author = {Edgar Kaziakhmedov and Klim Kireev and Grigorii Melnikov and Mikhail Pautov and Aleksandr Petiushko},
journal= {arXiv preprint arXiv:1910.06261},
year = {2020}
}