Jun, 2023

利用去噪扩散概率模型检测面部混合攻击

PDF
TL;DR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。
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

  • 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

  • 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

  • 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

  • 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

  • 面部变形攻击检测器的隐私友好的合成数据

    本研究介绍了首个基于合成数据的变形攻击检测开发数据集 (SMDD) ，证明该数据集成功地用于训练三种变形攻击检测骨干网络，从而实现了高性能的变形攻击检测，即使是完全未知的攻击类型。通过详细的法律分析，我们表明在使用和分享真实生物特征数据的挑战方面，我们提议的 SMDD 数据集至关重要。该数据集包含 30,000 个攻击样本和 50,000 个真实样本，可供研究目的公开使用。

    Mar, 2022

  • 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

  • 贪婪 - DiM: 无理有效的人脸变形的贪婪算法

    提出了一种基于迭代采样过程的扩散变形攻击模型，通过使用基于身份的启发式函数引导的贪婪策略，比较在开源的 SYN-MAD 2022 竞赛数据集上与其他十种最先进的变形算法相比，该算法以异常高的精确度欺骗了所有被测试的人脸识别系统，MMPMR 值达到 100% 以上。

    Apr, 2024

  • Adv-Diffusion: 通过潜在扩散模型实施难以察觉的敌对人脸身份攻击

    该研究论文提出了一种统一的框架 Adv-Diffusion，可以在潜在空间而不是原始像素空间中生成不可感知的对抗性身份扰动，利用潜在扩散模型的强大修补能力生成逼真的对抗性图像。通过在周围环境中生成语义扰动的身份敏感条件扩散生成模型，设计了自适应强度的对抗性扰动算法，既能确保攻击的可传递性又能保持隐秘性。在公开的 FFHQ 和 CelebA-HQ 数据集上进行了广泛的定性和定量实验，证明该方法在没有额外的生成模型训练过程的情况下取得了卓越的性能。源代码可在此链接中获取。

    Dec, 2023