通过对抗风格优化实现隐秘物理遮挡人脸识别攻击
计算机视觉与模式识别
2023-09-19 v1
摘要
深度神经网络（DNNs）在过去十年中于人脸识别（FR）任务上取得了最先进的性能。在实际场景中，DNN的部署需考虑各类面部配饰，如眼镜、帽子和口罩。在COVID-19大流行时期，佩戴口罩是防御新型冠状病毒最有效的方式之一。然而，已知DNN易受具有微小但精心设计的扰动的对抗样本攻击。因此，带有对抗扰动的面部口罩可能对广泛使用的基于深度学习的FR模型构成重大威胁。本文考虑一种具有挑战性的对抗设定：针对FR模型的目标攻击。我们提出一种通过对抗风格优化的新型隐秘物理遮挡FR攻击。具体而言，我们训练一个对抗风格口罩生成器，将对抗扰动隐藏于风格口罩内部。此外，为改善固定单一风格导致的次优化现象，我们提出以连续松弛方式通过风格优化为给定目标发现最优风格。我们同时优化生成器与风格选择，以生成强效且隐秘的对抗风格口罩。我们通过大量白盒与黑盒数字实验评估了所提方法的有效性与可迁移性。此外，我们还针对本地FR模型与在线平台开展了物理攻击实验。
引用
@article{arxiv.2309.09480,
title = {Stealthy Physical Masked Face Recognition Attack via Adversarial Style Optimization},
author = {Huihui Gong and Minjing Dong and Siqi Ma and Seyit Camtepe and Surya Nepal and Chang Xu},
journal= {arXiv preprint arXiv:2309.09480},
year = {2023}
}
备注
11 pages, 7 figures