論文の概要: Face Morphing Attacks and Face Image Quality: The Effect of Morphing and
the Unsupervised Attack Detection by Quality
- arxiv url: http://arxiv.org/abs/2208.05864v1
- Date: Thu, 11 Aug 2022 15:12:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-12 13:23:35.892686
- Title: Face Morphing Attacks and Face Image Quality: The Effect of Morphing and
the Unsupervised Attack Detection by Quality
- Title(参考訳): 顔モフティング攻撃と顔画像品質 : モフティングと品質による教師なし検出の効果
- Authors: Biying Fu and Naser Damer
- Abstract要約: 形態形成過程が知覚的画像品質と顔認識における画像有用性の両方に影響を及ぼす可能性を理論的に論じる。
本研究は、顔画像品質測定と顔画像有効性測定の両方を含む、顔画像品質に対するモーフィングの効果を広範囲に分析する。
本研究は、この効果に基づいて、品質スコアに基づいて、教師なしモーフィング攻撃検出(MAD)を行う可能性について検討する。
- 参考スコア(独自算出の注目度): 6.889667606945215
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Morphing attacks are a form of presentation attacks that gathered increasing
attention in recent years. A morphed image can be successfully verified to
multiple identities. This operation, therefore, poses serious security issues
related to the ability of a travel or identity document to be verified to
belong to multiple persons. Previous works touched on the issue of the quality
of morphing attack images, however, with the main goal of quantitatively
proofing the realistic appearance of the produced morphing attacks. We theorize
that the morphing processes might have an effect on both, the perceptual image
quality and the image utility in face recognition (FR) when compared to bona
fide samples. Towards investigating this theory, this work provides an
extensive analysis of the effect of morphing on face image quality, including
both general image quality measures and face image utility measures. This
analysis is not limited to a single morphing technique, but rather looks at six
different morphing techniques and five different data sources using ten
different quality measures. This analysis reveals consistent separability
between the quality scores of morphing attack and bona fide samples measured by
certain quality measures. Our study goes further to build on this effect and
investigate the possibility of performing unsupervised morphing attack
detection (MAD) based on quality scores. Our study looks intointra and
inter-dataset detectability to evaluate the generalizability of such a
detection concept on different morphing techniques and bona fide sources. Our
final results point out that a set of quality measures, such as MagFace and
CNNNIQA, can be used to perform unsupervised and generalized MAD with a correct
classification accuracy of over 70%.
- Abstract(参考訳): モーフィング攻撃は、近年注目を集めているプレゼンテーション攻撃の一形態である。
モーフィック画像は、複数のidに対して正常に検証することができる。
したがって、この操作は、複数の人物に属することが確認される旅行や身分証明書の能力に深刻なセキュリティ上の問題を引き起こす。
以前の研究では、生成したモーフィング攻撃のリアルな外観を定量的に証明することを目的として、モーフィング攻撃画像の品質の問題に言及していた。
形態形成過程がボナフッ化物試料と比較した場合の知覚的画像品質と顔認識(FR)における画像有用性の両方に影響を及ぼす可能性が示唆された。
この理論を検討するため,本研究は,一般画像品質測定と顔画像有用性測定の両方を含む,顔画像品質に対するモーフィングの効果を広範囲に分析する。
この分析は1つのモーフィング技術に限らず、むしろ6つの異なるモーフィング技術と5つの異なるデータソースを10の異なる品質尺度で調べる。
この分析により, モルフィングアタックの品質スコアと, 一定の品質測定値で測定したボナフィデ試料との間に, 一貫した分離性が認められた。
さらに本研究は,この効果を生かして,品質スコアに基づいて非教師なしモーフィング攻撃検出(mad)を行う可能性について検討する。
本研究は,様々なモーフィング手法とボナfide源を用いた検出概念の一般化可能性を評価するために,intraおよびinter-dataset検出可能性を検討する。
最終結果は,MagFace や CNNNIQA などの品質指標のセットを用いて,正確な分類精度を70%以上で,教師なしおよび一般化MAD の実行が可能であることを指摘する。
関連論文リスト
- DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake
Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。
本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-07T07:19:45Z) - 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) - Face Morphing Attack Detection with Denoising Diffusion Probabilistic
Models [0.0]
モールフされた顔画像は、様々な悪意のある目的のために誰かの身元を偽装するために使用することができる。
既存のMAD技術は、ボナフィドやモルフィド画像の例から学ぶ識別モデルに依存している。
本研究では,ボナファイド画像の特徴からのみ学習できる新しい拡散型MAD法を提案する。
論文 参考訳(メタデータ) (2023-06-27T18:19:45Z) - Masked Images Are Counterfactual Samples for Robust Fine-tuning [77.82348472169335]
微調整の深層学習モデルは、分布内(ID)性能と分布外(OOD)堅牢性の間のトレードオフにつながる可能性がある。
そこで本研究では,マスク付き画像を対物サンプルとして用いて,ファインチューニングモデルのロバスト性を向上させる新しいファインチューニング手法を提案する。
論文 参考訳(メタデータ) (2023-03-06T11:51:28Z) - MorphGANFormer: Transformer-based Face Morphing and De-Morphing [55.211984079735196]
顔変形に対するスタイルGANベースのアプローチが主要な技術である。
本稿では,顔の変形に対する変換器ベースの代替手段を提案し,その利点をStyleGANベースの方法と比較した。
論文 参考訳(メタデータ) (2023-02-18T19:09:11Z) - Leveraging Diffusion For Strong and High Quality Face Morphing Attacks [3.069228812330962]
顔形態攻撃は、2つの異なるアイデンティティから生体特性からなる形態像を提示することにより、顔認識(FR)システムを騙そうとする。
画像の視覚的忠実度を改善するために拡散型アーキテクチャを用いた新しいモーフィング攻撃を提案する。
論文 参考訳(メタデータ) (2023-01-10T21:50:26Z) - Surveillance Face Anti-spoofing [81.50018853811895]
Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。
本稿では,画像品質による性能劣化を軽減するために,コントラスト品質不変学習(CQIL)ネットワークを提案する。
多くの実験がSuHiFiMaskデータセットの品質と提案したCQILの優位性を検証する。
論文 参考訳(メタデータ) (2023-01-03T07:09:57Z) - PW-MAD: Pixel-wise Supervision for Generalized Face Morphing Attack
Detection [6.24950085812444]
顔変形攻撃画像は複数のアイデンティティに検証できるため、境界チェックのようなアイデンティティ検証に基づくプロセスに対する大きな脆弱性となる。
しかし、顔の変形を検知する様々な方法が提案されているが、予期せぬ後変態過程への一般化性は低い。
主要なポストモーフィングプロセスは、パスポートやID文書を発行する際、多くの国で実施される印刷およびスキャン操作である。
論文 参考訳(メタデータ) (2021-08-23T17:04:51Z) - Deep Image Destruction: A Comprehensive Study on Vulnerability of Deep
Image-to-Image Models against Adversarial Attacks [104.8737334237993]
本稿では,敵対的攻撃に対する深部画像対画像モデルの脆弱性に関する包括的調査を行う。
一般的な5つの画像処理タスクでは、さまざまな観点から16の深いモデルが分析される。
画像分類タスクとは異なり、画像間タスクの性能劣化は様々な要因によって大きく異なることが示される。
論文 参考訳(メタデータ) (2021-04-30T14:20:33Z) - 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) - On the Influence of Ageing on Face Morph Attacks: Vulnerability and
Detection [12.936155415524937]
顔認識システム(FRS)は境界制御アプリケーションに広く採用されている。
顔形態形成工程は、複数のデータ被験者の画像を使用し、画像ブレンディング操作を行い、高品質な画像を生成する。
生成した形態画像は、合成画像に寄与するデータ対象の生体特性と類似した視覚特性を示す。
論文 参考訳(メタデータ) (2020-07-06T12:32:41Z)
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。