論文の概要: Deep Composite Face Image Attacks: Generation, Vulnerability and
Detection
- arxiv url: http://arxiv.org/abs/2211.11039v3
- Date: Mon, 20 Mar 2023 20:06:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 01:58:28.345463
- Title: Deep Composite Face Image Attacks: Generation, Vulnerability and
Detection
- Title(参考訳): ディープ複合顔画像攻撃:生成、脆弱性、検出
- Authors: Jag Mohan Singh, Raghavendra Ramachandra
- Abstract要約: 顔認証システム(FRS)の脆弱性により、顔操作攻撃は生体認証研究者の注意を引き付けている。
本稿では,GAN(Geneversarative Adrial Networks)を用いた顔属性に基づく複合顔画像攻撃(CFIA)生成手法を提案する。
- 参考スコア(独自算出の注目度): 3.6833521970861685
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Face manipulation attacks have drawn the attention of biometric researchers
because of their vulnerability to Face Recognition Systems (FRS). This paper
proposes a novel scheme to generate Composite Face Image Attacks (CFIA) based
on facial attributes using Generative Adversarial Networks (GANs). Given the
face images corresponding to two unique data subjects, the proposed CFIA method
will independently generate the segmented facial attributes, then blend them
using transparent masks to generate the CFIA samples. We generate $526$ unique
CFIA combinations of facial attributes for each pair of contributory data
subjects. Extensive experiments are carried out on our newly generated CFIA
dataset consisting of 1000 unique identities with 2000 bona fide samples and
526000 CFIA samples, thus resulting in an overall 528000 face image samples.
{{We present a sequence of experiments to benchmark the attack potential of
CFIA samples using four different automatic FRS}}. We introduced a new metric
named Generalized Morphing Attack Potential (G-MAP) to benchmark the
vulnerability of generated attacks on FRS effectively. Additional experiments
are performed on the representative subset of the CFIA dataset to benchmark
both perceptual quality and human observer response. Finally, the CFIA
detection performance is benchmarked using three different single image based
face Morphing Attack Detection (MAD) algorithms. The source code of the
proposed method together with CFIA dataset will be made publicly available:
\url{https://github.com/jagmohaniiit/LatentCompositionCode}
- Abstract(参考訳): 顔認証システム(FRS)の脆弱性により、顔操作攻撃は生体認証研究者の注意を引き付けている。
本稿では,GAN(Generative Adversarial Networks)を用いた顔属性に基づく複合顔画像攻撃(CFIA)生成手法を提案する。
2つのユニークなデータ対象に対応する顔画像から、提案手法は分離された顔属性を独立に生成し、透明マスクを用いて混合してCFIAサンプルを生成する。
我々は、各コントリビュータデータ被験者の顔属性のユニークなCFIA組み合わせを526ドルで生成する。
2000ボナフッ化物サンプルと526000 CFIAサンプルからなる1000個のユニークなIDからなる新たに生成されたCFIAデータセット上で,大規模な実験を行い,528000個の顔画像サンプルが得られた。
4つの異なる自動FRSを用いてCFIA試料の攻撃電位をベンチマークするための一連の実験を提示する。
我々は、FRSに対して発生した攻撃の脆弱性を効果的にベンチマークするために、Generalized Morphing Attack Potential (G-MAP) という新しい指標を導入した。
CFIAデータセットの代表的なサブセットで追加実験を行い、知覚品質と人間の観察者の反応をベンチマークする。
最後に、CFIA検出性能を3つの異なる単一画像ベース顔モフィング検出(MAD)アルゴリズムを用いてベンチマークする。
提案するメソッドのソースコードとcfiaデータセットは公開される予定だ。 \url{https://github.com/jagmohaniiit/latentcompositioncode}
関連論文リスト
- SynMorph: Generating Synthetic Face Morphing Dataset with Mated Samples [13.21801650767302]
そこで本研究では,2450のアイデンティティと100k以上の形態を持つ合成顔形態データセットを新たに生成する手法を提案する。
提案する合成顔変形データセットは, 高品質なサンプル, 異種変態アルゴリズム, 単変態攻撃検出アルゴリズム, 差動変態攻撃検出アルゴリズムの一般化に特有である。
論文 参考訳(メタデータ) (2024-09-09T13:29:53Z) - Imperceptible Face Forgery Attack via Adversarial Semantic Mask [59.23247545399068]
本稿では, 対向性, 可視性に優れた対向性例を生成できるASMA(Adversarial Semantic Mask Attack framework)を提案する。
具体的には, 局所的なセマンティック領域の摂動を抑制し, 良好なステルス性を実現する, 対向型セマンティックマスク生成モデルを提案する。
論文 参考訳(メタデータ) (2024-06-16T10:38:11Z) - Joint Physical-Digital Facial Attack Detection Via Simulating Spoofing Clues [17.132170955620047]
本研究では,単一モデル内での物理的攻撃とデジタル攻撃を共同で検出する革新的な手法を提案する。
提案手法は主に,SPSC(Simulated Physical Spoofing Clues Augmentation)とSDSC(Simulated Digital Spoofing Clues Augmentation)という2種類のデータ拡張を含む。
The 5th Face Anti-Spoofing Challenge@CVPR2024の"Unified Physical-Digital Face Detection"で優勝した。
論文 参考訳(メタデータ) (2024-04-12T13:01:22Z) - Breaking Free: How to Hack Safety Guardrails in Black-Box Diffusion Models! [52.0855711767075]
EvoSeedは、フォトリアリスティックな自然対向サンプルを生成するための進化戦略に基づくアルゴリズムフレームワークである。
我々は,CMA-ESを用いて初期種ベクトルの探索を最適化し,条件付き拡散モデルで処理すると,自然逆数サンプルをモデルで誤分類する。
実験の結果, 生成した対向画像は画像品質が高く, 安全分類器を通過させることで有害なコンテンツを生成する懸念が高まっていることがわかった。
論文 参考訳(メタデータ) (2024-02-07T09:39:29Z) - Presentation Attack detection using Wavelet Transform and Deep Residual
Neural Net [5.425986555749844]
生体計測物質は、いくつかの方法でインポスタによって騙されることがある。
バイオメトリック画像、特に虹彩と顔は、異なる提示攻撃に対して脆弱である。
本研究では,生体情報アクセス制御システムにおけるプレゼンテーションアタックの軽減にディープラーニングアプローチを適用した。
論文 参考訳(メタデータ) (2023-11-23T20:21:49Z) - An Open Patch Generator based Fingerprint Presentation Attack Detection
using Generative Adversarial Network [3.5558308387389626]
自動指紋認識システム(AFRS)のセンサに本物の指紋の偽造を提示することによる脅威の一つに、提示攻撃(PA)または偽造(spoofing)がある。
本稿では、GAN(Generative Adversarial Network)を用いて、提案したOpen Patch Generator(OPG)から生成されたスプーフサンプルを用いてデータセットを増強するCNNベースの手法を提案する。
96.20%、94.97%、92.90%の精度は、それぞれLivDetプロトコルのシナリオの下で、LivDet 2015、2017、2019データベースで達成されている。
論文 参考訳(メタデータ) (2023-06-06T10:52:06Z) - Attribute-Guided Encryption with Facial Texture Masking [64.77548539959501]
本稿では,顔認識システムからユーザを保護するために,顔テクスチャマスキングを用いた属性ガイド暗号化を提案する。
提案手法は,最先端の手法よりも自然な画像を生成する。
論文 参考訳(メタデータ) (2023-05-22T23:50:43Z) - Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。
この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。
制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
論文 参考訳(メタデータ) (2023-04-12T10:29:42Z) - 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) - Blind Face Restoration: Benchmark Datasets and a Baseline Model [63.053331687284064]
Blind Face Restoration (BFR) は、対応する低品質 (LQ) 入力から高品質 (HQ) の顔画像を構築することを目的としている。
EDFace-Celeb-1M (BFR128) と EDFace-Celeb-150K (BFR512) と呼ばれる2つのブラインドフェイス復元ベンチマークデータセットを最初に合成する。
最先端の手法は、ブラー、ノイズ、低解像度、JPEG圧縮アーティファクト、それらの組み合わせ(完全な劣化)の5つの設定でベンチマークされる。
論文 参考訳(メタデータ) (2022-06-08T06:34:24Z) - 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)
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。