論文の概要: Face Morphing Attack Detection Using Privacy-Aware Training Data
- arxiv url: http://arxiv.org/abs/2207.00899v1
- Date: Sat, 2 Jul 2022 19:00:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-05 14:36:29.362233
- Title: Face Morphing Attack Detection Using Privacy-Aware Training Data
- Title（参考訳）: プライバシアウェアトレーニングデータを用いた顔モーフィング攻撃検出
- Authors: Marija Ivanovska, Andrej Kronov\v{s}ek, Peter Peer, Vitomir \v{S}truc,
Borut Batagelj
- Abstract要約: 顔の形をした画像は、顔認識ベースのセキュリティシステムに深刻な脅威をもたらす。
現代の検出アルゴリズムは、実際の人物の認証画像を用いて、このような形態的攻撃を識別する。
このアプローチは、さまざまなプライバシー上の懸念を提起し、公開されているトレーニングデータの量を制限する。
- 参考スコア（独自算出の注目度）: 0.991629944808926
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Images of morphed faces pose a serious threat to face recognition--based
security systems, as they can be used to illegally verify the identity of
multiple people with a single morphed image. Modern detection algorithms learn
to identify such morphing attacks using authentic images of real individuals.
This approach raises various privacy concerns and limits the amount of publicly
available training data. In this paper, we explore the efficacy of detection
algorithms that are trained only on faces of non--existing people and their
respective morphs. To this end, two dedicated algorithms are trained with
synthetic data and then evaluated on three real-world datasets, i.e.:
FRLL-Morphs, FERET-Morphs and FRGC-Morphs. Our results show that synthetic
facial images can be successfully employed for the training process of the
detection algorithms and generalize well to real-world scenarios.
- Abstract（参考訳）: Images of morphed faces pose a serious threat to face recognition--based security systems, as they can be used to illegally verify the identity of multiple people with a single morphed image. Modern detection algorithms learn to identify such morphing attacks using authentic images of real individuals. This approach raises various privacy concerns and limits the amount of publicly available training data. In this paper, we explore the efficacy of detection algorithms that are trained only on faces of non--existing people and their respective morphs.
この目的のために、2つの専用アルゴリズムが合成データを用いて訓練され、3つの実世界のデータセット(FRLL-Morphs、FERET-Morphs、FRGC-Morphs)で評価される。
以上の結果から, 合成顔画像は検出アルゴリズムの訓練プロセスにうまく利用でき, 現実のシナリオによく適応できることがわかった。
関連論文リスト
- Semantic Contextualization of Face Forgery: A New Definition, Dataset, and Detection Method [77.65459419417533]
我々は,顔フォージェリを意味的文脈に配置し,意味的顔属性を変更する計算手法が顔フォージェリの源であることを定義した。
階層的なグラフで整理されたラベルの集合に各画像が関連付けられている大規模な顔偽画像データセットを構築した。
本稿では,ラベル関係を捕捉し,その優先課題を優先するセマンティクス指向の顔偽造検出手法を提案する。
論文 参考訳（メタデータ） (2024-05-14T10:24:19Z) - Hierarchical Generative Network for Face Morphing Attacks [7.34597796509503]
顔認識システム(FRS)は、複数のアイデンティティを含む形態画像を作成することで、顔認識システム(FRS)を回避している。
本研究では, 画像の品質向上と寄与するアイデンティティの保存を図るため, 新たなモーフィング攻撃法を提案する。
論文 参考訳（メタデータ） (2024-03-17T06:09:27Z) - Individualized Deepfake Detection Exploiting Traces Due to Double
Neural-Network Operations [32.33331065408444]
既存のディープフェイク検出器は、画像が特定かつ識別可能な個人と関連付けられている場合、この検出タスクに最適化されない。
本研究では,個々の人物の顔画像のディープフェイク検出に焦点を当てた。
ニューラルネットワークのイデオロシティ特性を利用して検出性能を向上できることを実証する。
論文 参考訳（メタデータ） (2023-12-13T10:21:00Z) - 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) - Face Feature Visualisation of Single Morphing Attack Detection [13.680968065638108]
本稿では,異なる顔特徴抽出アルゴリズムの視覚化について説明する。
単変態攻撃検出のためのボナファイドの検出と変態画像を可能にする。
この視覚化は、境界ポリシーのためのグラフィカルユーザインタフェースの開発に役立つかもしれない。
論文 参考訳（メタデータ） (2023-04-25T17:51:23Z) - Attribute-preserving Face Dataset Anonymization via Latent Code
Optimization [64.4569739006591]
本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。
我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
論文 参考訳（メタデータ） (2023-03-20T17:34:05Z) - MorDeephy: Face Morphing Detection Via Fused Classification [0.0]
単一画像顔形態検出のための新しい深層学習手法を提案する。
深層顔の特徴を学習し、これらの特徴の真正性に関する情報を伝達する。
提案手法はMorDeephyと呼ばれ,その技術性能を達成し,未知のシナリオに変形検出を行うタスクを一般化する顕著な能力を示した。
論文 参考訳（メタデータ） (2022-08-05T11:39:22Z) - OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。
本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。
提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
論文 参考訳（メタデータ） (2022-05-24T11:29:37Z) - 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) - Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。
提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。
実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
論文 参考訳（メタデータ） (2020-02-06T10:56:00Z)
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。