論文の概要: Generating Master Faces for Dictionary Attacks with a Network-Assisted
Latent Space Evolution
- arxiv url: http://arxiv.org/abs/2108.01077v1
- Date: Sun, 1 Aug 2021 12:55:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-05 00:36:19.595413
- Title: Generating Master Faces for Dictionary Attacks with a Network-Assisted
Latent Space Evolution
- Title（参考訳）: ネットワーク支援潜在空間進化による辞書攻撃のためのマスタフェイス生成
- Authors: Ron Shmelkin, Tomer Friedlander, Lior Wolf
- Abstract要約: マスターフェイス(英: master face)とは、人口の大部分が顔に基づくアイデンティティ認証を通した顔画像である。
そこで我々は,StyleGANフェイスジェネレータの潜伏埋め込み空間における進化的アルゴリズムを用いて,これらの顔の最適化を行う。
- 参考スコア（独自算出の注目度）: 68.8204255655161
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A master face is a face image that passes face-based identity-authentication
for a large portion of the population. These faces can be used to impersonate,
with a high probability of success, any user, without having access to any user
information. We optimize these faces, by using an evolutionary algorithm in the
latent embedding space of the StyleGAN face generator. Multiple evolutionary
strategies are compared, and we propose a novel approach that employs a neural
network in order to direct the search in the direction of promising samples,
without adding fitness evaluations. The results we present demonstrate that it
is possible to obtain a high coverage of the population (over 40%) with less
than 10 master faces, for three leading deep face recognition systems.
- Abstract（参考訳）: マスターフェイス(master face)は、人口の大部分に顔認証を渡す顔画像である。
これらの顔は、ユーザー情報にアクセスせずに、成功の可能性の高いユーザーを偽装するのに使うことができる。
StyleGANフェイスジェネレータの潜伏埋め込み空間における進化的アルゴリズムを用いて,これらの顔の最適化を行う。
複数の進化戦略を比較し,適応度評価を加えることなく,有望なサンプルの方向に探索を指示するためにニューラルネットワークを用いた新しいアプローチを提案する。
以上の結果から,3つの主要な深部顔認識システムにおいて,マスタフェイスが10未満の人口(40%以上)を高い範囲でカバーすることが可能であることが判明した。
関連論文リスト
- Transferable Adversarial Facial Images for Privacy Protection [15.211743719312613]
視覚的品質を維持しつつ、転送性を改善した新しい顔プライバシー保護方式を提案する。
生成モデルの潜在空間をトラバースするために,まずグローバルな逆潜時探索を利用する。
次に、視覚的アイデンティティ情報を保存するための重要なランドマーク正規化モジュールを導入する。
論文 参考訳（メタデータ） (2024-07-18T02:16:11Z) - Generating 2D and 3D Master Faces for Dictionary Attacks with a
Network-Assisted Latent Space Evolution [68.8204255655161]
マスターフェイス(英: master face)とは、人口の比率の高い顔認証をパスする顔画像である。
2次元および3次元の顔認証モデルに対して,これらの顔の最適化を行う。
3Dでは,2次元スタイルGAN2ジェネレータを用いて顔を生成し,深部3次元顔再構成ネットワークを用いて3次元構造を予測する。
論文 参考訳（メタデータ） (2022-11-25T09:15:38Z) - 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) - Balanced Masked and Standard Face Recognition [1.2149550080095914]
ICCV 2021のマスク付き顔認識チャレンジのWebfaceトラックとInsightface/Glint360Kトラックのための改良されたネットワークアーキテクチャ、データ拡張、トレーニング戦略について述べる。
論文 参考訳（メタデータ） (2021-10-04T15:41:05Z) - Master Face Attacks on Face Recognition Systems [45.090037010778765]
顔認証は、個人認証番号やアンロックパターンを使った認証よりも、特にモバイルデバイスで広く使われている。
これまでの研究は、顔認識システム内の複数の登録テンプレートにマッチするマスターフェイスの存在を証明してきた。
本稿では,マスタ顔の生成によく用いられる潜在変数進化(LVE)について広範な研究を行う。
論文 参考訳（メタデータ） (2021-09-08T02:11:35Z) - 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) - One Shot Face Swapping on Megapixels [65.47443090320955]
本稿では,顔面スワッピング(略してMegaFS)における最初のメガピクセルレベル法を提案する。
本手法の成功に対する3つの新しい貢献は,顔の完全な表現,安定したトレーニング,限られたメモリ使用量である。
論文 参考訳（メタデータ） (2021-05-11T10:41:47Z) - Generating Master Faces for Use in Performing Wolf Attacks on Face
Recognition Systems [40.59670229362299]
顔認証はますます主流になり、攻撃者にとって主要なターゲットとなっている。
これまでの研究では、指紋認証と指紋認証はオオカミの攻撃の影響を受けやすいことが示されている。
我々は最先端の顔生成器であるStyleGANを用いて高品質な顔を生成する。
論文 参考訳（メタデータ） (2020-06-15T12:59:49Z) - DotFAN: A Domain-transferred Face Augmentation Network for Pose and
Illumination Invariant Face Recognition [94.96686189033869]
本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。
DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。
実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
論文 参考訳（メタデータ） (2020-02-23T08:16:34Z)
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。