Fugu-MT 論文翻訳(概要): Robustness of Facial Recognition to GAN-based Face-morphing Attacks

論文の概要: Robustness of Facial Recognition to GAN-based Face-morphing Attacks

arxiv url: http://arxiv.org/abs/2012.10548v1
Date: Fri, 18 Dec 2020 23:06:20 GMT
ステータス: 処理完了
システム内更新日: 2021-05-01 18:09:08.553063
Title: Robustness of Facial Recognition to GAN-based Face-morphing Attacks
Title（参考訳）: GANによる顔変形攻撃に対する顔認識のロバスト性
Authors: Richard T. Marriott, Sami Romdhani, St\'ephane Gentric and Liming Chen
Abstract要約: 我々は、攻撃者が既に武器に持っている可能性のある2つの新しいGANベースの方法を特定する。各手法は最先端顔認識(fr)アルゴリズムに対して評価される。本研究では,FRアルゴリズムの忠実性の向上が,形態画像による攻撃成功率の低下につながることを実証した。
参考スコア（独自算出の注目度）: 3.3734683025502723
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Face-morphing attacks have been a cause for concern for a number of years. Striving to remain one step ahead of attackers, researchers have proposed many methods of both creating and detecting morphed images. These detection methods, however, have generally proven to be inadequate. In this work we identify two new, GAN-based methods that an attacker may already have in his arsenal. Each method is evaluated against state-of-the-art facial recognition (FR) algorithms and we demonstrate that improvements to the fidelity of FR algorithms do lead to a reduction in the success rate of attacks provided morphed images are considered when setting operational acceptance thresholds.
Abstract（参考訳）: 顔の変形攻撃は何年も前から懸念されてきた。攻撃者の一歩先を行くために、研究者たちはモルヒネ画像の作成と検出の方法を提案してきた。しかし、これらの検出方法は一般に不十分であることが証明されている。この研究では、攻撃者が既に武器に持っている可能性のある2つの新しいGANベースの方法を特定します。各手法は最先端の顔認識 (FR) アルゴリズムに対して評価され, FRアルゴリズムの忠実度向上は, 動作許容閾値を設定する際に, モルヒネ画像による攻撃の成功率の低下につながることを示した。

関連論文リスト

UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文参考訳（メタデータ） (2024-07-26T20:51:54Z)
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)
Fused Classification For Differential Face Morphing Detection [0.0]
顔モフティング(Face morphing)は、顔認証システムに重大なセキュリティリスクをもたらす。従来の方法では、複数の顔画像が混在するモルヒネ攻撃を検出するのに苦労している。非参照シナリオに対する融合分類法に基づく拡張アプローチを提案する。
論文参考訳（メタデータ） (2023-09-01T16:14:29Z)
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)
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)
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)
MIPGAN -- Generating Strong and High Quality Morphing Attacks Using Identity Prior Driven GAN [22.220940043294334]
本稿では,アイデンティティ優先型生成適応ネットワークを用いた攻撃生成手法を提案する。提案するMIPGANは、知覚的品質と識別因子を利用した新たに定式化された損失関数であるStyleGANから派生した。提案手法は,商用およびディープラーニングベースの顔認識システムに対して,その脆弱性を評価することによって,強力なモーフィング攻撃を発生させることが可能であることを示す。
論文参考訳（メタデータ） (2020-09-03T15:08:38Z)
Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
論文参考訳（メタデータ） (2020-02-22T10:08:42Z)
On the Robustness of Face Recognition Algorithms Against Attacks and Bias [78.68458616687634]
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。
論文参考訳（メタデータ） (2020-02-07T18:21:59Z)

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。