面向人脸识别的鲁棒物理世界攻击
计算机视觉与模式识别
2021-09-21 v1
摘要
深度神经网络（DNNs）的发展极大推动了人脸识别的进步，并已被广泛应用于许多安全关键型应用中。然而，近期研究表明 DNNs 极易受到对抗样本的攻击，这引发了人们对现实世界人脸识别安全性的严重担忧。在本工作中，我们研究基于贴纸的物理攻击对人脸识别的影响，以更好地理解其对抗鲁棒性。为此，我们首先深入分析了攻击人脸识别所面临的复杂物理世界条件，包括贴纸、人脸和环境条件的不同变化。然后，我们提出了一种新颖的鲁棒物理攻击框架，称为 PadvFace，以专门建模这些具有挑战性的变化。此外，考虑到攻击复杂度的差异，我们提出了一种高效的课程对抗攻击（CAA）算法，使对抗贴纸从简单到复杂逐步适应环境变化。最后，我们构建了一个标准化测试协议，以促进人脸识别物理攻击的公平评估，在规避攻击和冒充攻击上的大量实验证明了所提方法的优越性能。
引用
@article{arxiv.2109.09320,
title = {Robust Physical-World Attacks on Face Recognition},
author = {Xin Zheng and Yanbo Fan and Baoyuan Wu and Yong Zhang and Jue Wang and Shirui Pan},
journal= {arXiv preprint arXiv:2109.09320},
year = {2021}
}
备注
10 pages, 9 figures