論文の概要: Black-Box Face Recovery from Identity Features
- arxiv url: http://arxiv.org/abs/2007.13635v3
- Date: Thu, 30 Jul 2020 13:24:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-06 08:45:45.625184
- Title: Black-Box Face Recovery from Identity Features
- Title（参考訳）: アイデンティティ機能によるブラックボックス顔のリカバリ
- Authors: Anton Razzhigaev, Klim Kireev, Edgar Kaziakhmedov, Nurislam Tursynbek,
and Aleksandr Petiushko
- Abstract要約: 我々はアルゴリズムをテストするために最先端の顔認識システム(ArcFace)を攻撃した。
我々のアルゴリズムは、最先端のソリューションに比べて、はるかに少ないクエリを必要とする。
- 参考スコア（独自算出の注目度）: 61.950765357647605
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work, we present a novel algorithm based on an it-erative sampling of
random Gaussian blobs for black-box face recovery, given only an output feature
vector of deep face recognition systems. We attack the state-of-the-art face
recognition system (ArcFace) to test our algorithm. Another network with
different architecture (FaceNet) is used as an independent critic showing that
the target person can be identified with the reconstructed image even with no
access to the attacked model. Furthermore, our algorithm requires a
significantly less number of queries compared to the state-of-the-art solution.
- Abstract（参考訳）: 本研究では,顔深部認識システムの出力特徴ベクトルのみを考慮し,ランダムなガウスブロブを反復的にサンプリングしてブラックボックスの顔復元を行うアルゴリズムを提案する。
我々は最先端顔認識システム(arcface)を攻撃してアルゴリズムをテストする。
異なるアーキテクチャ(FaceNet)を持つ別のネットワークは、攻撃されたモデルにアクセスすることなく、対象人物を再構成された画像と同一視できることを示す独立した批評家として使用される。
さらに,このアルゴリズムでは,最先端ソリューションに比べてクエリ数が有意に少ない。
関連論文リスト
- OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
拡散モデルは、顔の修復において顕著な性能を示した。
顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。
その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-26T07:07:48Z) - Re-evaluation of Face Anti-spoofing Algorithm in Post COVID-19 Era Using Mask Based Occlusion Attack [4.550965216676562]
顔の偽造防止アルゴリズムは、プレゼンテーション攻撃に対する顔認識システムの堅牢な展開において重要な役割を果たす。
我々は5種類のマスクを用いて、顔の下部を様々なカバー領域で覆っている。
また、顔の上部を覆う様々な種類の眼鏡も使用しています。
論文 参考訳（メタデータ） (2024-08-23T17:48:22Z) - 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) - Vec2Face-v2: Unveil Human Faces from their Blackbox Features via
Attention-based Network in Face Recognition [36.23997331928846]
蒸留フレームワーク(DAB-GAN)における意図に基づく客観的生成適応ネットワーク(Bijective Generative Adversarial Networks)と呼ばれる新しい手法を提案する。
DAB-GAN法は、新しく定義されたBijective Metrics Learningアプローチによる、新しい注意に基づく生成構造を含む。
我々は,難解な顔認識データベースについて評価を行った。
論文 参考訳（メタデータ） (2022-09-11T19:14:21Z) - Reconstruct Face from Features Using GAN Generator as a Distribution
Constraint [17.486032607577577]
深層畳み込みニューラルネットワーク(CNN)に基づく顔認識は、抽出された高い識別特性に起因する精度の高い性能を示す。
しかし、ディープラーニングモデル(ディープ機能)から抽出した機能のセキュリティとプライバシは、しばしば見過ごされている。
本稿では,CNNネットワーク構成にアクセスすることなく,深い特徴から顔画像の再構成を提案する。
論文 参考訳（メタデータ） (2022-06-09T06:11:59Z) - Restricted Black-box Adversarial Attack Against DeepFake Face Swapping [70.82017781235535]
本稿では,顔画像偽造モデルに対する問い合わせを一切必要としない現実的な敵攻撃を提案する。
本手法は,顔の再構成を行う代用モデルに基づいて構築され,置換モデルから非アクセス可能なブラックボックスDeepFakeモデルへの逆例を直接転送する。
論文 参考訳（メタデータ） (2022-04-26T14:36:06Z) - End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。
本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。
我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
論文 参考訳（メタデータ） (2021-08-21T09:08:41Z) - Darker than Black-Box: Face Reconstruction from Similarity Queries [65.62256987706128]
ブラックボックスモデルの類似点のみを問う顔クエリを再構築する手法を提案する。
提案アルゴリズムはより一般的な設定で動作するが,提案手法はクエリ効率が良く,既存の手法よりも優れていることを示す実験である。
論文 参考訳（メタデータ） (2021-06-27T17:25:46Z) - Vulnerability of Face Recognition Systems Against Composite Face
Reconstruction Attack [3.3707422585608953]
ラウンド信頼スコアは自明であるが、勾配降下画像再構成攻撃を阻止するためのシンプルで効果的な対策であると考えられる。
本稿では, 複合顔を用いた顔復元攻撃が, 丸め政策の非効率性を明らかにすることを実証する。
論文 参考訳（メタデータ） (2020-08-23T03:37:51Z)
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。