减少变形攻击所需的工作量 —— 深度嵌入用于选择变形配对与改进变形攻击检测

May, 2023

减少变形攻击所需的工作量 —— 深度嵌入用于选择变形配对与改进变形攻击检测

Towards minimizing efforts for Morphing Attacks -- Deep embeddings for morphing pair selection and improved Morphing Attack Detection

PDF

Roman Kessler, Kiran Raja, Juan Tapia, Christoph Busch

TL;DR该研究考察了人脸嵌入在人脸融合攻击中的应用，既可用于生成大量的融合攻击，也可用于检测融合攻击。研究结果表明，MagFace 模型在预选择图像和检测融合攻击方面的效果优于常用的 ArcFace 模型，并且商用人脸识别系统比开源系统更容易受到攻击。

Abstract

face morphing attacks pose a threat to the security of identity documents, especially with respect to a subsequent access control process, because it enables both individuals involved to exploit the same document

face morphing attacks identity documents face embeddings magface model attack detection

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

基于人脸关键点和生成对抗网络的面部变形攻击漏洞分析

本研究提供了一个包含 4 种不同类型的变形攻击的新数据集，并通过基于 OpenCV、FaceMorpher、WebMorph 和生成对抗网络（StyleGAN）的变形攻击实验，评估了现有人脸识别系统的风险程度，其中发现 VGG-Face 虽然与 FaceNet 相比精度较低，但更加抗变形攻击。此外，本文指出了使用 StyleGAN 生成的低级变形攻击对人脸识别系统不构成重大威胁。

Dec, 2020

使用模板反转近似优化形态攻击

通过倒置理论上的最优变形嵌入来研发一种基于深度变形攻击的新方法，该方法利用面部识别系统的倒置模型生成混合攻击，具有更高的攻击效果和更快的运行速度。

Feb, 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

TetraLoss：提高面部识别抵御图像合成攻击的稳健性

这篇研究论文提出了一种新方法，使用名为 TetraLoss 的损失函数，通过在嵌入空间中学习将合成的面部图像与其贡献者分开，从而提高基于深度学习的人脸识别系统对面部变形攻击的鲁棒性，并在全面评估中表现出明显优于其他基准方法。

Jan, 2024

3D 人脸识别系统对形变攻击的脆弱性

该研究论文的主要内容是研究面部识别系统中的 3D 面部形态学攻击，并描述了生成 3D 面部形态学和检测攻击的方法。

Sep, 2023

在印刷 / 扫描和异构图像源存在下的面部融合检测

本文提出了基于深度神经网络的人脸变形检测新方法，包括生成模拟打印 - 扫描图像的数据增强策略和预先在大型人脸识别数据集上进行训练，在来自异构图像源的具有挑战性的数据集上达到了最先进的准确性，解决了在电子身份文件中人脸变形问题带来的安全威胁。

Jan, 2019

一种高效的集成可解释人工智能（XAI）方法用于人脸混合检测

本研究提出了一种名为 Ensemble XAI 的新型可视化解释方法，它整合了显著性地图、类激活映射和渐变 - 类激活映射，以提供更全面的可视化解释，用于预测输入是否为伪造的仿制品的深度学习预测模型。通过实验评估，该解释方法可以准确地说明深度学习模型的决策过程。

Apr, 2023

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

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