ReGenMorph：通过攻击再生成实现视觉逼真的GAN生成人脸变形攻击
计算机视觉与模式识别
2021-09-27 v2
摘要
人脸变形攻击旨在创建可被验证为多个身份人脸的图像，这可能导致在边境检查等操作中建立错误的身份关联。在构建变形人脸检测器（MFD）时，对所有可能的攻击类型进行训练对于获得良好的检测性能至关重要。因此，研究创建变形攻击的新方法可提升变形攻击检测（MAD）的泛化能力。此前的人脸变形攻击是在图像层面通过 landmarks 插值实现，或在潜空间层面通过操纵生成对抗网络中的潜向量实现。前者会产生不同的混合伪影，后者会产生类合成的条带状伪影。本文提出新颖的变形流程 ReGenMorph，利用基于 GAN 的生成消除 LMA 混合伪影，并避免在潜空间中的操纵，从而相比以往工作生成视觉上逼真的人脸变形图像。我们将生成的 ReGenMorph 外观与近期变形方法进行比较，并评估其人脸识别漏洞与攻击可检测性（无论作为已知或未知攻击）。
引用
@article{arxiv.2108.09130,
title = {ReGenMorph: Visibly Realistic GAN Generated Face Morphing Attacks by Attack Re-generation},
author = {Naser Damer and Kiran Raja and Marius Süßmilch and Sushma Venkatesh and Fadi Boutros and Meiling Fang and Florian Kirchbuchner and Raghavendra Ramachandra and Arjan Kuijper},
journal= {arXiv preprint arXiv:2108.09130},
year = {2021}
}
备注
Accepted at the 16th International Symposium on Visual Computing (ISVC 2021)