SoK：面向无约束人脸识别系统的后门攻击可存活性研究
计算机视觉与模式识别
2026-01-21 v5 人工智能
密码学与安全
机器学习
摘要
深度学习人脸识别系统的广泛部署引发了诸多安全关注。虽然先前研究已识别出针对人脸检测器、人脸防欺骗和人脸特征提取器等单一组件的后门漏洞，但针对真实世界、无约束管道的后门攻击仍未得到充分探讨。本SoK论文提出了首个对完整人脸识别系统后门攻击的全面系统级分析和测量。我们综合了针对人脸检测器、人脸防欺骗和人脸特征提取器等监督学习后门文献，展示了系统级漏洞。通过全面分析20种管道配置和15种攻击情景，我们揭示仅需一个被后门攻击的模型即可破坏整个人脸识别系统。最后，我们讨论了此类攻击的影响，并提出针对各方的最佳实践和对策。
引用
@article{arxiv.2507.01607,
title = {SoK: On the Survivability of Backdoor Attacks on Unconstrained Face Recognition Systems},
author = {Quentin Le Roux and Yannick Teglia and Teddy Furon and Philippe Loubet-Moundi and Eric Bourbao},
journal= {arXiv preprint arXiv:2507.01607},
year = {2026}
}
备注
This work has been accepted for publication at the IEEE Conference on Secure and Trustworthy Machine Learning (SaTML). The final version will be available on IEEE Xplore