RSTAM：一种利用移动便携打印机对人脸识别进行有效黑盒冒充攻击的方法
计算机视觉与模式识别
2022-06-28 v1
摘要
近年来，得益于深度神经网络的发展，人脸识别取得了显著进展，但人们最近发现深度神经网络易受对抗样本的攻击。这意味着基于深度神经网络的人脸识别模型或系统也同样易受对抗样本的影响。然而，现有的利用对抗样本攻击人脸识别模型或系统的方法能够有效完成白盒攻击，却难以完成黑盒冒充攻击、物理攻击或便捷攻击，尤其是在商用人脸识别系统上。本文提出一种称为 RSTAM 的攻击人脸识别模型或系统的新方法，该方法利用移动便携打印机打印的对抗掩膜实现有效的黑盒冒充攻击。首先，RSTAM 通过我们提出的随机相似变换策略增强对抗掩膜的可迁移性。此外，我们提出一种随机元优化策略，集成多个预训练人脸模型以生成更具通用性的对抗掩膜。最后，我们在 CelebA-HQ、LFW、Makeup Transfer (MT) 和 CASIA-FaceV5 数据集上进行了实验。攻击性能还在最先进的商用人脸识别系统上进行了评估：Face++、Baidu、Aliyun、Tencent 和 Microsoft。大量实验表明，RSTAM 能够对人脸识别模型或系统有效地实施黑盒冒充攻击。
引用
@article{arxiv.2206.12590,
title = {RSTAM: An Effective Black-Box Impersonation Attack on Face Recognition using a Mobile and Compact Printer},
author = {Xiaoliang Liu and Furao Shen and Jian Zhao and Changhai Nie},
journal= {arXiv preprint arXiv:2206.12590},
year = {2022}
}