针对理性攻击者的未知呈现攻击检测
计算机视觉与模式识别
2021-07-06 v2 密码学与安全
计算机科学与博弈论
机器学习
摘要
尽管过去十年中呈现攻击检测与多媒体取证领域取得了令人印象深刻的进展，这些系统在实际场景中仍易受攻击。现有解决方案面临的一些挑战包括未知攻击的检测、在对抗环境中的性能、少样本学习以及可解释性。在本研究中，通过依赖博弈论视角来建模攻击者与检测器之间的交互，以应对这些局限。据此，提出了一种新的优化准则并定义了一组需求，以提升这些系统在实际场景中的性能。此外，提出了一种基于生成器的特征集的新型检测技术，该特征集不对任何特定攻击种类有偏。为了进一步优化在已知攻击上的性能，提出了一种称为类别边界最大化损失(C-marmax)的新损失函数，其逐步提升针对最强大攻击的性能。所提方法在已知与未知攻击上提供了更均衡的性能，并在针对理性攻击者的已知与未知攻击检测案例中达到最先进(SOTA)性能。最后，研究了所提方法的少样本学习潜力及其提供像素级可解释性的能力。
引用
@article{arxiv.2010.01592,
title = {Unknown Presentation Attack Detection against Rational Attackers},
author = {Ali Khodabakhsh and Zahid Akhtar},
journal= {arXiv preprint arXiv:2010.01592},
year = {2021}
}