Jul, 2023

通过 LED 光照调制的对人脸识别系统的无感知物理攻击

PDF
TL;DR提出了基于 LED 照明调制的实用、可执行、不引人注目和低计算的对抗攻击方法，用于愚弄人脸识别系统，成功率分别达到 97.67%、100% 和 100% 的 DoS 攻击。
发现论文，激发创造
  • 人脸识别系统的对抗性光照投影攻击：可行性研究

    本文使用基于深度学习的对抗光投影攻击系统在人脸识别领域进行了实时物理攻击的实验，证实了人脸识别系统在白盒和黑盒攻击设置下均易受到对抗攻击的威胁。

    Mar, 2020

  • 红外光下对人脸识别的实际攻击

    本文探讨如何用红外线对面部识别系统进行攻击，从而绕过或误导系统。作者通过算法设计出对抗性样本，该攻击方式在降低被发现的同时能够高度模仿目标受害者，通过面部识别系统。攻击者可以通过此攻击逃脱监视摄像头和骗过面部认证系统，而这样的攻击方式对于人眼是看不见的。该研究揭示了红外对抗性样本对面部识别安全的潜在威胁。

    Mar, 2018

  • 面向深度神经网络的无感 CMOS 相机迷惑对抗攻击

    尽管深度神经网络表现出色，但它们容易受到对抗性攻击。本研究介绍了一种使用光源对 CMOS 相机进行闪烁以进行隐形光学对抗性攻击的方法，达到攻击光源完全不可见且欺骗应用于其上的深度神经网络的目的。

    Oct, 2023

  • 利用快门扫描效应制造不可见扰动的物理对抗样本

    我们提出了一种方法，生成了对人类眼睛不可见的物理对抗样本。我们使用改变照射目标物体的光的方式，而不是通过贴纸或彩色物体来生成对抗样本，我们探究了如何使用红外光或者 LED 对图像实现攻击目标，实验中所得到的结果表明该方法具有较高的准确度。

    Nov, 2020

  • 对 3D 人脸识别的物理世界光学对抗攻击

    通过利用光学噪声攻击 3D 人脸识别系统，该研究设计了端到端的攻击算法，成功地攻击了基于点云和深度图的 3D 人脸识别算法，变形不可见且需要比先前的物理攻击更少的扰动。

    May, 2022

  • 针对监视的物理对抗攻击：一项调查

    本文回顾了最近在物理对抗攻击方面的尝试和发现，并提出了一种框架来分析物理对抗攻击，并在该框架下对四个关键监控任务：检测，识别，跟踪和动作识别进行了全面的调查。此外，我们还回顾并分析了防御物理对抗攻击的策略和评估防御优势的方法。这篇论文为在监控系统中建立抵抗物理对抗攻击的韧性迈出了重要一步。

    May, 2023

  • 对抗性激光点攻击：用于对 DNNs 的强大且隐秘的物理对抗攻击

    提出低成本的物理对抗攻击技术 ——Adversarial Laser Point，该技术利用遗传算法的方式优化激光点的物理参数来对深度神经网络进行对抗攻击，具有出色的隐蔽性和强鲁棒性。实验表明，该技术在数字和物理环境中均表现出极高的对抗干扰能力，同时生成的对抗扰动具有超越性的迁移攻击能力。

    Jun, 2022

  • 人脸验证系统的广义攻击

    该研究论文通过深度神经网络模型实现人脸验证，并研究了人脸验证系统所遭受的对抗攻击，提出了 DodgePersonation Attack 及其相关分类，以及一种名为 ''One Face to Rule Them All'' Attack 的攻击方法来欺骗人脸验证系统。

    Sep, 2023

  • 为什么不清洁眼镜？利用动态光学扰动的感知攻击

    使用 EvilEye 攻击的动态物理对抗样本生成方法在各种环境光照条件下更加稳健，并能绕过最新的物理对抗检测框架，为攻击者提供了适应多种物体的对抗样本的动态能力。最后，我们探讨了对抗 EvilEye 攻击的缓解策略。

    Jul, 2023

  • 投射性麻烦：基于光的对深度学习分类器的对抗攻击

    本文提出了一种利用光影对深度学习图像分类系统进行物理攻击的方法，通过实验发现选择不同的光影模式可以使得 2D 和 3D 物体的分类精度大幅降低。

    Oct, 2018