May, 2023

利用小波散射网络检测差异性新生儿面孔变形攻击

PDF
TL;DR通过使用小波散射网络（WSN）提出了一种基于参考的 / 差分变形攻击检测（MAD）方法来检测新生儿变形图像，验证结果表明比其他现有的 D-MAD 技术提高了超过 10％的检测精度。
face recognition systemmorphing attacksnewbornsmad methodwavelet scattering network
发现论文，激发创造
  • 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

  • 用于面部合成攻击的分层生成网络

    通过使用全局信息和局部详细信息的层次生成网络，结合面部区域外的伪影去除模块，我们提出了一种改进图像质量和保持身份的新型变形攻击方法，相对于现有攻击方法具有更高的模拟人眼能力和足够欺骗面部识别系统的威胁性。

    Mar, 2024

  • 使用鉴别小波子带的差分形态人脸检测

    本文提出了一种基于 2D 离散小波变换和 KLD 的人脸识别防护机制，以识别任意两种身份的面部伪造图片，并通过深度神经网络训练准确地识别需要分辨的波段，以用于差异性面部攻击检测。

    Jun, 2021

  • 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

  • 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

  • 利用多光谱成像进行差异人脸合成攻击检测的初步研究

    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。

    Apr, 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

  • 使用判别小波子带检测变形人脸图像

    通过使用特征提取方法 2D-DWT，熵值比较、Kullback-Leibler 散度的计算以及 22 个最显著子带的筛选，建立了一个基于深度学习的方法来检测面部识别中常见的形态攻击。在三个数据集上的实验结果表明该算法具有优异的检测效果。

    Jun, 2021

  • SDeMorph：单一变形拆除脸部变形的提升

    提出了一种无参考的去形变方法 SDeMorph，利用 DDPM 和分支 UNet，实现了高质量的去形变，能够恢复出真实身份。

    Aug, 2023

  • 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