論文の概要: Universal Adversarial Spoofing Attacks against Face Recognition

• arxiv url: http://arxiv.org/abs/2110.00708v1
• Date: Sat, 2 Oct 2021 02:11:22 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-05 15:42:17.305111
• Title: Universal Adversarial Spoofing Attacks against Face Recognition
• Title（参考訳）: 顔認証に対する普遍的なspoofing攻撃
• Authors: Takuma Amada, Seng Pei Liew, Kazuya Kakizaki, Toshinori Araki
• Abstract要約: 顔認証システムを騙して、顔画像が高い成功率で複数の異なるアイデンティティに属することを認識できることを示す。 以上の結果から,顔認証システムを展開する際には,マルチアイデンティティ攻撃が真の脅威であることが示唆された。
• 参考スコア（独自算出の注目度）: 9.253434204675544
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We assess the vulnerabilities of deep face recognition systems for images that falsify/spoof multiple identities simultaneously. We demonstrate that, by manipulating the deep feature representation extracted from a face image via imperceptibly small perturbations added at the pixel level using our proposed Universal Adversarial Spoofing Examples (UAXs), one can fool a face verification system into recognizing that the face image belongs to multiple different identities with a high success rate. One characteristic of the UAXs crafted with our method is that they are universal (identity-agnostic); they are successful even against identities not known in advance. For a certain deep neural network, we show that we are able to spoof almost all tested identities (99\%), including those not known beforehand (not included in training). Our results indicate that a multiple-identity attack is a real threat and should be taken into account when deploying face recognition systems.
• Abstract（参考訳）: 複数のアイデンティティを同時に偽造/偽造する画像に対する深層顔認識システムの脆弱性を評価する。 提案したUniversal Adversarial Spoofing Examples (UAXs) を用いて, 画像から抽出した深い特徴表現を知覚的に小さな摂動で操作することにより, 顔画像が複数の異なるアイデンティティに属することを高い成功率で認識するために, 顔検証システムを騙すことができることを示した。 我々の方法で作られたUAXの特徴の1つは、それらは普遍的(アイデンティティに依存しない)であり、事前に知られていないアイデンティティに対してさえ成功していることである。 ある種のディープニューラルネットワークでは、未知の(トレーニングに含まれていない)ほとんどすべてのテストされたアイデンティティ(99\%)をスプープできることが示されます。 以上の結果から,顔認証システムを展開する際には,マルチアイデンティティ攻撃が真の脅威であることが示唆された。

関連論文リスト

• TetraLoss: Improving the Robustness of Face Recognition against Morphing Attacks [7.092869001331781]
  顔認識システムは、高セキュリティアプリケーションに広くデプロイされている。 フェースモーフィングのようなデジタル操作は、顔認識システムにセキュリティ上の脅威をもたらす。 本稿では,ディープラーニングに基づく顔認識システムを,顔形態攻撃に対してより堅牢なものにするための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-21T21:04:05Z)
• 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)
• Differential Anomaly Detection for Facial Images [15.54185745912878]
  アイデンティティ攻撃は、不正アクセスと偽情報の拡散に使用できるため、セキュリティ上の大きな脅威となる。 同一性攻撃を検出するほとんどのアルゴリズムは、訓練時に未知の攻撃タイプに悪影響を及ぼす。 本稿では,まず画像から深層面の埋め込みを抽出する差動異常検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-07T13:45:13Z)
• 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)
• 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)
• A Systematical Solution for Face De-identification [6.244117712209321]
  異なるタスクにおいて、人々は顔の特定(De-ID)に様々な要件を持つ 本稿では,これらのDe-ID操作に適合する系統的解を提案する。 本手法は,様々な方法で顔データを柔軟に識別し,画像の画質が向上する。
  論文  参考訳（メタデータ） (2021-07-19T02:02:51Z)
• Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
  本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。 FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
  論文  参考訳（メタデータ） (2021-06-08T05:25:03Z)
• 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。