論文の概要: Diffusion Models For Stronger Face Morphing Attacks

• arxiv url: http://arxiv.org/abs/2301.04218v1
• Date: Tue, 10 Jan 2023 21:50:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-12 14:39:10.658072
• Title: Diffusion Models For Stronger Face Morphing Attacks
• Title（参考訳）: より強力な顔モフ攻撃のための拡散モデル
• Authors: Zander Blasingame and Chen Liu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.069228812330962
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face morphing attacks seek to deceive a Face Recognition (FR) system by presenting a morphed image consisting of the biometric qualities from two different identities with the aim of triggering a false acceptance with one of the two identities, thereby presenting a significant threat to biometric systems. The success of a morphing attack is dependent on the ability of the morphed image to represent the biometric characteristics of both identities that were used to create the image. We present a novel morphing attack that uses a Diffusion-based architecture to improve the visual fidelity of the image and improve the ability of the morphing attack to represent characteristics from both identities. We demonstrate the high fidelity of the proposed attack by evaluating its visual fidelity via the Frechet Inception Distance. Extensive experiments are conducted to measure the vulnerability of FR systems to the proposed attack. The proposed attack is compared to two state-of-the-art GAN-based morphing attacks along with two Landmark-based attacks. The ability of a morphing attack detector to detect the proposed attack is measured and compared against the other attacks. Additionally, a novel metric to measure the relative strength between morphing attacks is introduced and evaluated.
• Abstract（参考訳）: 顔のモーフィング攻撃は、2つのアイデンティティのうちの1つで誤認を誘発することを目的として、2つの異なるアイデンティティから生体認証品質からなるモーフィング画像を提示することにより、顔認識(fr)システムを欺き、生体認証システムに重大な脅威を与える。 モーフィング攻撃の成功は、画像の作成に使用された2つのアイデンティティの生体認証特性を表現するためのモーフィング画像の能力に依存する。 本稿では,拡散型アーキテクチャを用いて画像の視覚的忠実度を向上し,その特徴を表現するためのモーフィング攻撃の能力を向上させる新しいモーフィング攻撃を提案する。 提案する攻撃の忠実度をフレシェット開始距離を通して評価することで実証する。 提案した攻撃に対するFRシステムの脆弱性を測定するために大規模な実験を行った。 提案された攻撃は、最先端の2つのGANベースのモーフィング攻撃と、ランドマークベースの2つの攻撃と比較される。 モーフィング攻撃検出器が提案した攻撃を検出する能力を測定し,他の攻撃と比較した。 さらに, モーフィング攻撃の相対強度を計測する新しい指標を導入し, 評価した。

関連論文リスト

• LADIMO: Face Morph Generation through Biometric Template Inversion with Latent Diffusion [5.602947425285195]
  顔改ざん攻撃は、顔認識システムに深刻なセキュリティ脅威をもたらす。 本稿では,2つの顔認識の埋め込みにおいて,表現レベルの顔形態形成手法であるLADIMOを提案する。 顔形態変種は個々の攻撃成功率を持ち、形態的攻撃ポテンシャルを最大化できることを示す。
  論文  参考訳（メタデータ） (2024-10-10T14:41:37Z)
• The Impact of Print-Scanning in Heterogeneous Morph Evaluation Scenarios [1.9035583634286277]
  印刷スキャンがモルヒネ攻撃検出に与える影響について, 一連の評価を通じて検討した。 実験の結果,MMPMR(Mated Morph Presentation Match Rate)を最大8.48%向上できることがわかった。 S-MAD (Single-image Morphing Detection Detection) アルゴリズムがプリントスキャンされた形態を検出するように訓練されていない場合、MACER (Morphing Classification Err rate) は96.12%まで増加する。
  論文  参考訳（メタデータ） (2024-04-09T18:23:34Z)
• Meta Invariance Defense Towards Generalizable Robustness to Unknown Adversarial Attacks [62.036798488144306]
  現在の防衛は主に既知の攻撃に焦点を当てているが、未知の攻撃に対する敵意の強固さは見過ごされている。 メタ不変防衛(Meta Invariance Defense, MID)と呼ばれる攻撃非依存の防御手法を提案する。 MIDは高レベルの画像分類と低レベルの頑健な画像再生における攻撃抑制において,知覚不能な逆方向の摂動に対して同時に頑健性を実現する。
  論文  参考訳（メタデータ） (2024-04-04T10:10:38Z)
• Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model [61.53213964333474]
  本稿では,生の画素空間ではなく,潜在空間における非知覚的対角的アイデンティティ摂動を生成できる統一的なフレームワークAdv-Diffusionを提案する。 具体的には,周囲のセマンティックな摂動を生成するために,個人性に敏感な条件付き拡散生成モデルを提案する。 設計された適応強度に基づく対向摂動アルゴリズムは、攻撃の伝達性とステルス性の両方を確保することができる。
  論文  参考訳（メタデータ） (2023-12-18T15:25:23Z)
• Dual Adversarial Resilience for Collaborating Robust Underwater Image Enhancement and Perception [54.672052775549]
  本研究では,水中画像の強調と検出を行うために,CARNetと呼ばれる協調的対向レジリエンスネットワークを導入する。 本稿では,ネットワークが様々な種類の攻撃を識別・除去できるように,視覚駆動型と知覚駆動型の両方による同時攻撃訓練戦略を提案する。 実験により,提案手法は画像の高画質化を図り,最先端の手法よりも平均6.71%高い検出精度が得られた。
  論文  参考訳（メタデータ） (2023-09-03T06:52:05Z)
• MorDIFF: Recognition Vulnerability and Attack Detectability of Face Morphing Attacks Created by Diffusion Autoencoders [10.663919597506055]
  顔のモーフィング攻撃は画像レベルでも表現レベルでも生成される。 拡散オートエンコーダモデルの最近の進歩は、GANの限界を克服し、高い再構成忠実度を実現している。 本研究では,拡散オートエンコーダを用いて顔形態形成攻撃を画像レベルおよび表現レベルの幅広い形態と比較する。
  論文  参考訳（メタデータ） (2023-02-03T16:37:38Z)
• Adv-Attribute: Inconspicuous and Transferable Adversarial Attack on Face Recognition [111.1952945740271]
  Adv-Attribute (Adv-Attribute) は、顔認証に対する不明瞭で伝達可能な攻撃を生成するように設計されている。 FFHQとCelebA-HQデータセットの実験は、提案されたAdv-Attributeメソッドが最先端の攻撃成功率を達成することを示している。
  論文  参考訳（メタデータ） (2022-10-13T09:56:36Z)
• Face Morphing Attacks and Face Image Quality: The Effect of Morphing and the Unsupervised Attack Detection by Quality [6.889667606945215]
  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。
  論文  参考訳（メタデータ） (2022-08-11T15:12:50Z)
• Are GAN-based Morphs Threatening Face Recognition? [3.0921354926071274]
  本稿では,4種類のモーフィング攻撃のためのデータセットと対応するコードを提供することにより,このギャップを埋める。 また、4つの最先端の顔認識システムの脆弱性を評価するための広範囲な実験を行った。
  論文  参考訳（メタデータ） (2022-05-05T08:19:47Z)
• Asymmetric Modality Translation For Face Presentation Attack Detection [55.09300842243827]
  顔提示攻撃検出(PAD)は、悪意のあるユーザによって顔認識システムが偽造されるのを防ぐための重要な手段である。 両モードシナリオにおける非対称なモダリティ変換に基づく新しいフレームワークを提案する。 本手法は,異なる評価プロトコル下での最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-10-18T08:59:09Z)
• 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)

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。