論文の概要: On the Robustness of Face Recognition Algorithms Against Attacks and
Bias
- arxiv url: http://arxiv.org/abs/2002.02942v1
- Date: Fri, 7 Feb 2020 18:21:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 05:03:32.628390
- Title: On the Robustness of Face Recognition Algorithms Against Attacks and
Bias
- Title（参考訳）: 攻撃・バイアスに対する顔認識アルゴリズムのロバスト性について
- Authors: Richa Singh, Akshay Agarwal, Maneet Singh, Shruti Nagpal, Mayank Vatsa
- Abstract要約: 顔認識アルゴリズムは非常に高い認識性能を示しており、現実のアプリケーションに適していることを示唆している。
精度が向上したにもかかわらず、これらのアルゴリズムの攻撃や偏見に対する堅牢性は問題視されている。
本稿では,顔認識アルゴリズムの頑健性に挑戦する様々な方法について要約する。
- 参考スコア（独自算出の注目度）: 78.68458616687634
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face recognition algorithms have demonstrated very high recognition
performance, suggesting suitability for real world applications. Despite the
enhanced accuracies, robustness of these algorithms against attacks and bias
has been challenged. This paper summarizes different ways in which the
robustness of a face recognition algorithm is challenged, which can severely
affect its intended working. Different types of attacks such as physical
presentation attacks, disguise/makeup, digital adversarial attacks, and
morphing/tampering using GANs have been discussed. We also present a discussion
on the effect of bias on face recognition models and showcase that factors such
as age and gender variations affect the performance of modern algorithms. The
paper also presents the potential reasons for these challenges and some of the
future research directions for increasing the robustness of face recognition
models.
- Abstract（参考訳）: 顔認識アルゴリズムは非常に高い認識性能を示しており、現実のアプリケーションに適していることを示唆している。
精度は向上しているが、攻撃やバイアスに対するアルゴリズムの堅牢性は課題となっている。
本稿では,顔認識アルゴリズムの頑健さが意図した作業に大きく影響しうる,様々な方法について要約する。
物理的プレゼンテーション攻撃,変装/メイクアップ,デジタル敵攻撃,ganを用いたモーフィング/タンパリングなど,さまざまなタイプの攻撃について検討した。
また,顔認識モデルに偏りが与える影響について考察し,年齢や性別などの要因が現代のアルゴリズムの性能に影響を及ぼすことを示す。
また,これらの課題の潜在的理由と,顔認識モデルのロバスト性向上に向けた今後の研究方向についても述べる。
関連論文リスト
- Unified Face Matching and Physical-Digital Spoofing Attack Detection [3.9440964696313485]
顔認識システムは、物理的およびデジタル偽造攻撃による脅威の増加に直面している。
本稿では,身体的およびデジタル的攻撃の顔認識と検出を目的とした,革新的な統一モデルを提案する。
畳み込みニューラルネットワークフレームワークにおいて、高度なSwin TransformerのバックボーンとHiLoの注意を活用することにより、統合された顔認識とスプーフ攻撃検出をより効果的に処理する。
論文 参考訳（メタデータ） (2025-01-16T16:24:21Z) - Quadruplet Loss For Improving the Robustness to Face Morphing Attacks [0.0]
顔認識システムは高度な攻撃に弱い。
本研究では, 顔認証システムのフォーミング攻撃に対するロバスト性を高めるために, 新たな四重項損失関数を導入する。
論文 参考訳（メタデータ） (2024-02-22T16:10:39Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - RAF: Recursive Adversarial Attacks on Face Recognition Using Extremely
Limited Queries [2.8532545355403123]
近年の顔認識に対する敵対的攻撃の成功は、顔認識モデルの顕著な進歩にもかかわらず、認識と認識のための人間の知性にはまだ及ばないことを示している。
本稿では,ターゲットモデルを騙すために,極めて限られたクエリ数を必要とする自動顔整形を提案する。
決定に基づくブラックボックス攻撃設定における提案手法のロバスト性を評価する。
論文 参考訳（メタデータ） (2022-07-04T00:22:45Z) - Controllable Evaluation and Generation of Physical Adversarial Patch on
Face Recognition [49.42127182149948]
近年の研究では、顔認証モデルの物理的敵パッチに対する脆弱性が明らかにされている。
本稿では3次元顔モデルを用いて物理世界の顔の複雑な変形をシミュレートする。
さらに、3次元顔変換と現実的な物理的変動を考慮したFace3DAdv法を提案する。
論文 参考訳（メタデータ） (2022-03-09T10:21:40Z) - Robust Physical-World Attacks on Face Recognition [52.403564953848544]
ディープニューラルネットワーク(DNN)の開発によって顔認識が大幅に促進された
近年の研究では、DNNは敵対的な事例に対して非常に脆弱であることが示されており、現実世界の顔認識の安全性に対する深刻な懸念が提起されている。
ステッカーによる顔認識の物理的攻撃について検討し、その対向的堅牢性をよりよく理解する。
論文 参考訳（メタデータ） (2021-09-20T06:49:52Z) - Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。
本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
論文 参考訳（メタデータ） (2020-11-17T18:12:41Z) - MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。
提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
論文 参考訳（メタデータ） (2020-10-25T23:01:13Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。