論文の概要: TetraLoss: Improving the Robustness of Face Recognition against Morphing
Attacks
- arxiv url: http://arxiv.org/abs/2401.11598v1
- Date: Sun, 21 Jan 2024 21:04:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 15:44:10.715600
- Title: TetraLoss: Improving the Robustness of Face Recognition against Morphing
Attacks
- Title(参考訳): TetraLoss: モーフィング攻撃に対する顔認識のロバスト性の改善
- Authors: Mathias Ibsen, L\'azaro J. Gonz\'alez-Soler, Christian Rathgeb,
Christoph Busch
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 7.092869001331781
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face recognition systems are widely deployed in high-security applications
such as for biometric verification at border controls. Despite their high
accuracy on pristine data, it is well-known that digital manipulations, such as
face morphing, pose a security threat to face recognition systems. Malicious
actors can exploit the facilities offered by the identity document issuance
process to obtain identity documents containing morphed images. Thus, subjects
who contributed to the creation of the morphed image can with high probability
use the identity document to bypass automated face recognition systems. In
recent years, no-reference (i.e., single image) and differential morphing
attack detectors have been proposed to tackle this risk. These systems are
typically evaluated in isolation from the face recognition system that they
have to operate jointly with and do not consider the face recognition process.
Contrary to most existing works, we present a novel method for adapting deep
learning-based face recognition systems to be more robust against face morphing
attacks. To this end, we introduce TetraLoss, a novel loss function that learns
to separate morphed face images from its contributing subjects in the embedding
space while still preserving high biometric verification performance. In a
comprehensive evaluation, we show that the proposed method can significantly
enhance the original system while also significantly outperforming other tested
baseline methods.
- Abstract(参考訳): 顔認識システムは、国境管理における生体認証などの高セキュリティアプリケーションに広く利用されている。
精度は高いものの、顔のモーフィングなどのデジタル操作が顔認識システムにセキュリティの脅威をもたらすことはよく知られている。
悪意のあるアクターは、id文書発行プロセスによって提供される機能を利用して、モーフィック画像を含むid文書を取得することができる。
したがって、形態素画像の作成に寄与した被験者は、ID文書を高い確率で利用して、自動顔認識システムを回避することができる。
近年では、このリスクに対処するために、非参照(単一画像)と差動モーフィング攻撃検出器が提案されている。
これらのシステムは通常、顔認識システムとは独立して評価され、顔認識プロセスは考慮されない。
既存のほとんどの研究とは対照的に、深層学習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。
そこで本研究では,生体認証性能を保ちつつ,埋込み空間における顔画像と寄与対象とを分離する新たな損失関数であるtetralossを紹介する。
総合的な評価により,本手法は他のベースライン法を著しく上回りながら,元のシステムを大幅に向上させることができることを示した。
関連論文リスト
- Quadruplet Loss For Improving the Robustness to Face Morphing Attacks [0.0]
顔認識システムは高度な攻撃に弱い。
本研究では, 顔認証システムのフォーミング攻撃に対するロバスト性を高めるために, 新たな四重項損失関数を導入する。
論文 参考訳(メタデータ) (2024-02-22T16:10:39Z) - Unrecognizable Yet Identifiable: Image Distortion with Preserved
Embeddings [24.403019302064006]
本稿では,眼に認識不能な顔画像を描画する革新的な画像歪み手法を提案する。
理論的観点から、我々は最先端のバイオメトリックス認識ニューラルネットワークがいかに信頼性が高いかを考察する。
この手法を適用することで、生体認証システムのセキュリティ、精度、性能のバランスをとるという工学的課題に対する実践的な解決策が示される。
論文 参考訳(メタデータ) (2024-01-26T18:20:53Z) - 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) - Analysis of Recent Trends in Face Recognition Systems [0.0]
クラス間の類似性とクラス内変異により、顔認識システムは、それぞれ偽マッチングと偽非マッチエラーを生成する。
近年の研究では、抽出した特徴の堅牢性向上と、認識精度を高めるための前処理アルゴリズムに焦点が当てられている。
論文 参考訳(メタデータ) (2023-04-23T18:55:45Z) - 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) - 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) - Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。
以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。
キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
論文 参考訳(メタデータ) (2021-04-28T09:35:48Z) - 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。