Apr, 2023

利用多光谱成像进行差异人脸合成攻击检测的初步研究

PDF
TL;DR本文提出了一种多光谱框架用于差异化仿真攻击检测，该方法通过在电子护照中捕获的基准图像和在可信设备中捕获的面部图像来检测电子护照中呈现的人脸图像是否被修改，并在多个会话中使用可见光和多光谱相机对 143 个独特数据主体进行了广泛实验，结果表明该多光谱框架的性能优于可见光图像检测。
发现论文，激发创造
  • 深度人脸表示用于差分变形攻击检测

    本篇论文讨论了利用真实的人脸图像数据库训练和测试差分变形攻击检测算法的可行性。在进行多个不同后处理之后，使用不同的工具创建了人脸融合图像。通过实验表明，基于深度学习的差分变形攻击检测算法在各种后处理情形下可以实现非常高的检测性能和鲁棒性。

    Jan, 2020

  • 应对差异变形攻击检测中的主体相似性

    该研究论文针对模拟攻击问题，提出了 ACIdA 模块化差分 MAD 系统，实现了较好的性能和成果，超过了现有文献中的竞争对手，并在传统差分 MAD 基准测试中保持良好的性能。

    Apr, 2024

  • V-MAD：操作场景中基于视频的变形攻击检测

    该研究尝试利用视频序列进行面部变形攻击检测，通过分析多个探测数据帧的优势提高了变形攻击检测系统的鲁棒性和性能。

    Apr, 2024

  • 使用深度共享网络进行不同化脸部检测

    本文提出了一种新的差分变形攻击检测框架，使用深度 Siamese 网络，通过比较我们的模型与其他经典和深度学习模型，使用两个不同的变形数据集，VISAPP17 和 MorGAN，我们探索了由对比损失生成的嵌入空间，并使用欧几里得距离、特征差和支持向量机分类器、特征级联和支持向量机分类器三个决策框架。

    Dec, 2020

  • 利用去噪扩散概率模型检测面部混合攻击

    本文介绍了一种基于扩散的新型高效 MAD 方法，学习纯粹的真实图像的特征，实现对不同形态的变形攻击的检测。在四个不同数据集上进行了严格的实验，并与现有解决方案进行了比较，结果表明我们的 MAD 模型在所有数据集上都取得了高竞争力的结果。

    Jun, 2023

  • PW-MAD：基于像素级别监督的通用人脸变形攻击检测

    通过像素级别的监督方法，我们训练一个分类器来识别脸部变形攻击，我们的解决方案相比于现有算法更加准确，而且在检测重数读攻击时表现良好；另外，我们还创建了一个新的数据集，即 LMA-DRD 数据集，可用于研究目的。

    Aug, 2021

  • 多光谱成像的补充信息是否能提高面部呈现攻击检测？

    使用多光谱成像技术进行人脸展示攻击检测，通过图像融合和分值融合两种不同方式结合多光谱成像的互补信息，提高人脸攻击检测的性能。

    Nov, 2023

  • 差异面部融合检测的融合分类

    本文针对面部融合这一复杂的攻击技术，提出了一种基于融合分类方法的无参考情况下的差异性面部融合检测扩展方法，引入了公开的面部融合检测基准，并利用特定的数据挖掘技术来提升检测方法的性能，实验结果证明了该方法在检测融合攻击方面的有效性。

    Sep, 2023

  • 单次变形攻击检测中的面部特征可视化

    本文提出了一种可解释的面部特征提取算法，能够检测真实和变形图像，用于单一变形攻击检测。该方法基于原始图像、形状、纹理、频率和压缩。利用此方法可以开发一个图形用户界面来协助边境警卫人员调查涉嫌的图像。在三种基于地标点的人脸变形方法和基于 StyleGAN 的变形方法上进行随机森林分类器的训练，其中 FRLL 数据库提供了变形图像。用于变形攻击检测，离散余弦变换方法在合成图像上获得了最佳结果，基于地标点的图像特征使用 BSIF 进行检测。

    Apr, 2023

  • 使用多特征和分类技术融合检测稳健的人脸混合攻击

    本文提出一种基于参考的 / 差分变形攻击检测（MAD）方法，使用小波散射网络（WSN）检测新生儿变形的图像，得到的结果表明，相较于现有的 D-MAD 技术，检测准确率提高了 10% 以上。

    May, 2023