基于关键点与生成对抗网络的人脸变形攻击脆弱性分析
计算机视觉与模式识别
2020-12-11 v1 机器学习
摘要
变形攻击是一种对生物识别系统的威胁，其中身份证件中的生物识别参考可被篡改。这种形式的攻击在依赖身份证件的如边境安全或门禁控制等应用中构成重要问题。人脸变形攻击检测的研究正在快速发展，然而公开可用的具有多种攻击形式的数据集极少。本文通过提供一个包含四种不同类型变形攻击的新数据集来弥补这一差距，这些攻击基于OpenCV、FaceMorpher、WebMorph和一个生成对抗网络（StyleGAN），由来自三个公开人脸数据集的原始人脸图像生成。我们还进行了大量实验，以评估最先进的人脸识别系统（特别是FaceNet、VGG-Face和ArcFace）的脆弱性。实验表明，VGG-Face虽然作为人脸识别系统比FaceNet准确性较低，但也更不易受变形攻击。此外，我们观察到用StyleGAN生成的朴素变形并未构成显著威胁。
引用
@article{arxiv.2012.05344,
title = {Vulnerability Analysis of Face Morphing Attacks from Landmarks and Generative Adversarial Networks},
author = {Eklavya Sarkar and Pavel Korshunov and Laurent Colbois and Sébastien Marcel},
journal= {arXiv preprint arXiv:2012.05344},
year = {2020}
}
备注
Submitted to ICASSP 2021