論文の概要: Master Face Attacks on Face Recognition Systems

• arxiv url: http://arxiv.org/abs/2109.03398v1
• Date: Wed, 8 Sep 2021 02:11:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-09 13:49:06.976474
• Title: Master Face Attacks on Face Recognition Systems
• Title（参考訳）: 顔認識システムにおけるマスタフェイスアタック
• Authors: Huy H. Nguyen, S\'ebastien Marcel, Junichi Yamagishi, Isao Echizen
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 45.090037010778765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Face authentication is now widely used, especially on mobile devices, rather than authentication using a personal identification number or an unlock pattern, due to its convenience. It has thus become a tempting target for attackers using a presentation attack. Traditional presentation attacks use facial images or videos of the victim. Previous work has proven the existence of master faces, i.e., faces that match multiple enrolled templates in face recognition systems, and their existence extends the ability of presentation attacks. In this paper, we perform an extensive study on latent variable evolution (LVE), a method commonly used to generate master faces. We run an LVE algorithm for various scenarios and with more than one database and/or face recognition system to study the properties of the master faces and to understand in which conditions strong master faces could be generated. Moreover, through analysis, we hypothesize that master faces come from some dense areas in the embedding spaces of the face recognition systems. Last but not least, simulated presentation attacks using generated master faces generally preserve the false-matching ability of their original digital forms, thus demonstrating that the existence of master faces poses an actual threat.
• Abstract（参考訳）: 顔認証は現在、その利便性のため、個人識別番号やアンロックパターンを使った認証ではなく、特にモバイルデバイスで広く使われている。 これにより、プレゼンテーションアタックを使った攻撃者の誘惑の的になっている。 従来のプレゼンテーション攻撃は、被害者の顔画像やビデオを使用する。 これまでの研究で、顔認識システムで複数の登録されたテンプレートにマッチするマスターフェイスの存在が証明され、その存在はプレゼンテーションアタックの能力を拡張する。 本稿では,マスタフェースの生成によく用いられる手法である潜在変数進化(lve)について,詳細な研究を行う。 各種シナリオと複数のデータベースおよび/または顔認識システムを用いてLVEアルゴリズムを実行し、マスター顔の特性を研究し、強いマスター顔が生成可能な条件を理解する。 さらに,分析により,顔認識システムの埋め込み空間内の密度の高い領域からマスタフェイスが生まれることを仮定した。 最後に、生成したマスターフェイスを用いたシミュレートされたプレゼンテーションアタックは、一般的に元のデジタルフォームの偽マッチング能力を保ち、マスターフェイスの存在が実際の脅威となることを示す。

関連論文リスト

• LAFS: Landmark-based Facial Self-supervised Learning for Face Recognition [37.4550614524874]
  我々は、効果的な顔認識モデルの訓練に適応できる顔表現の学習に焦点をあてる。 本研究では,自己教師付き事前学習による未ラベル顔画像の学習戦略について検討する。 提案手法は,複数の顔認識ベンチマークにおける最先端技術よりも大幅に向上する。
  論文  参考訳（メタデータ） (2024-03-13T01:07:55Z)
• 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)
• Digital and Physical Face Attacks: Reviewing and One Step Further [31.780516471483985]
  顔提示攻撃(FPA)は、不信感を強く訴えている。 物理的な顔攻撃に加えて、顔のビデオや画像は、悪意のあるハッカーが立ち上げた様々なデジタル攻撃技術に弱い。 本調査は,既存の文献を網羅的に分析し,さらなる注意を要する課題を明らかにすることにより,顔鑑定の整合性を高めることを目的とする。
  論文  参考訳（メタデータ） (2022-09-29T11:25:52Z)
• FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
  顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。 ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。 また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
  論文  参考訳（メタデータ） (2022-05-23T07:19:42Z)
• On the (Limited) Generalization of MasterFace Attacks and Its Relation to the Capacity of Face Representations [11.924504853735645]
  実験および理論的研究におけるMasterFace攻撃の一般化可能性について検討する。 顔空間のアイデンティティが適切に分離されていると仮定して、顔容量と最大MasterFaceカバレッジを推定する。 MasterFacesは顔認識システムに対する脅威ではなく、顔認識モデルの堅牢性を高めるツールである、と結論付けている。
  論文  参考訳（メタデータ） (2022-03-23T13:02:41Z)
• Generating 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。
  論文  参考訳（メタデータ） (2021-08-01T12:55:23Z)
• 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)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)
• Investigating the Impact of Inclusion in Face Recognition Training Data on Individual Face Identification [93.5538147928669]
  最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。 モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
  論文  参考訳（メタデータ） (2020-01-09T15:50:28Z)

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。