此人（可能）存在：针对 GAN 生成人脸的身份成员推断攻击
计算机视觉与模式识别
2021-07-14 v1 人工智能
摘要
近来，生成对抗网络（GANs）已达到惊人的真实感，甚至欺骗了人类观察者。事实上，流行的戏谑网站 {\small \url{ http://thispersondoesnotexist.com}} 用看似过于真实而难以置信的 GAN 生成图像嘲弄用户。另一方面，GAN 确实会泄露其训练数据的信息，正如近期文献中演示的成员推断攻击所证明的那样。在这项工作中，我们通过构建一种新型的成功成员推断攻击，挑战了 GAN 人脸确为新颖创作这一假设。与先前工作不同，我们的攻击能够准确辨别与训练样本具有相同身份但并非同一样本的采样。我们在多个流行人脸数据集和 GAN 训练流程中展示了我们攻击的价值。值得注意的是，我们表明即使在数据集多样性显著的情况下，过度出现的个人也可能引发隐私问题。
引用
@article{arxiv.2107.06018,
title = {This Person (Probably) Exists. Identity Membership Attacks Against GAN Generated Faces},
author = {Ryan Webster and Julien Rabin and Loic Simon and Frederic Jurie},
journal= {arXiv preprint arXiv:2107.06018},
year = {2021}
}