人脸识别对深度变形攻击的脆弱性
计算机视觉与模式识别
2019-10-07 v1 密码学与安全
多媒体
摘要
利用生成对抗网络（GANs）自动替换图像与视频中的人脸或将两张人脸融合为一已愈发容易。所得深度变形（deep-morph）的高质量引发了当前人脸识别系统对此类伪造图像与视频的脆弱程度之问，也呼唤自动检测这些 GAN 生成人脸的方法。本文提出公开可用的深度伪造视频数据集，其人脸经由基于 GAN 的算法变形。生成这些视频时，我们使用了基于 GAN 的开源软件，并强调训练与混合参数会显著影响所得视频质量。我们表明，基于 VGG 与 Facenet 神经网络的先进人脸识别系统对深度变形视频存在漏洞，其错误接受率分别为 85.62% 与 95.00%，这意味着检测这些视频的方法必不可少。我们考虑了几种检测深度变形的基线方法，发现基于视觉质量指标（常用于呈现攻击检测领域）的方法以 8.97% 的等错误率取得最佳性能。我们的实验表明，GAN 生成的深度变形视频对人脸识别系统与现有检测方法均构成挑战，且深度变形技术的进一步发展将使挑战更甚。
引用
@article{arxiv.1910.01933,
title = {Vulnerability of Face Recognition to Deep Morphing},
author = {Pavel Korshunov and Sébastien Marcel},
journal= {arXiv preprint arXiv:1910.01933},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1812.08685