针对人脸识别的通用对抗欺骗攻击
计算机视觉与模式识别
2021-10-05 v1 密码学与安全
机器学习
摘要
我们评估了深度人脸识别系统对于同时伪造/欺骗多个身份的图像的脆弱性。我们证明，通过使用我们提出的通用对抗欺骗样本（UAXs）在像素级添加难以察觉的小扰动来操纵从人脸图像提取的深度特征表示，可以欺骗人脸验证系统以高成功率将该人脸图像识别为多个不同身份。我们用该方法制作的 UAXs 的一个特性是它们是通用的（身份无关）；它们即使对事先未知的身份也成功。对于某个深度神经网络，我们展示我们能够欺骗几乎所有被测身份（99%），包括那些事先未知的（未包含在训练中）。我们的结果表明，多身份攻击是一种真实威胁，在部署人脸识别系统时应加以考虑。
引用
@article{arxiv.2110.00708,
title = {Universal Adversarial Spoofing Attacks against Face Recognition},
author = {Takuma Amada and Seng Pei Liew and Kazuya Kakizaki and Toshinori Araki},
journal= {arXiv preprint arXiv:2110.00708},
year = {2021}
}
备注
Accepted to International Joint Conference on Biometrics (IJCB 2021)