Fugu-MT 論文翻訳(概要): Quadruplet Loss For Improving the Robustness to Face Morphing Attacks

論文の概要: Quadruplet Loss For Improving the Robustness to Face Morphing Attacks

arxiv url: http://arxiv.org/abs/2402.14665v1
Date: Thu, 22 Feb 2024 16:10:39 GMT
ステータス: 処理完了
システム内更新日: 2024-02-23 14:32:01.212326
Title: Quadruplet Loss For Improving the Robustness to Face Morphing Attacks
Title（参考訳）: 偽装攻撃に対するロバスト性向上のための四重項損失
Authors: Iurii Medvedev and Nuno Gon\c{c}alves
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recent advancements in deep learning have revolutionized technology and security measures, necessitating robust identification methods. Biometric approaches, leveraging personalized characteristics, offer a promising solution. However, Face Recognition Systems are vulnerable to sophisticated attacks, notably face morphing techniques, enabling the creation of fraudulent documents. In this study, we introduce a novel quadruplet loss function for increasing the robustness of face recognition systems against morphing attacks. Our approach involves specific sampling of face image quadruplets, combined with face morphs, for network training. Experimental results demonstrate the efficiency of our strategy in improving the robustness of face recognition networks against morphing attacks.
Abstract（参考訳）: ディープラーニングの最近の進歩は、技術とセキュリティ対策に革命をもたらし、堅牢な識別方法を必要としている。パーソナライズされた特性を活用するバイオメトリックアプローチは、有望なソリューションを提供する。しかし、顔認識システムは高度な攻撃、特に顔変形技術に弱いため、不正な文書を作成することができる。本研究では,フォーミング攻撃に対する顔認識システムのロバスト性を高めるために,新しい四重項損失関数を提案する。本手法では, 顔画像四重項と顔形態を組み合わせ, ネットワークトレーニングを行う。実験結果は,モーフィング攻撃に対する顔認証ネットワークのロバスト性を改善するための戦略の有効性を示す。

関連論文リスト

TetraLoss: Improving the Robustness of Face Recognition against Morphing Attacks [7.092869001331781]
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。
論文参考訳（メタデータ） (2024-01-21T21:04:05Z)
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)
Restricted Black-box Adversarial Attack Against DeepFake Face Swapping [70.82017781235535]
本稿では,顔画像偽造モデルに対する問い合わせを一切必要としない現実的な敵攻撃を提案する。本手法は,顔の再構成を行う代用モデルに基づいて構築され,置換モデルから非アクセス可能なブラックボックスDeepFakeモデルへの逆例を直接転送する。
論文参考訳（メタデータ） (2022-04-26T14:36:06Z)
Robust Physical-World Attacks on Face Recognition [52.403564953848544]
ディープニューラルネットワーク(DNN)の開発によって顔認識が大幅に促進された近年の研究では、DNNは敵対的な事例に対して非常に脆弱であることが示されており、現実世界の顔認識の安全性に対する深刻な懸念が提起されている。ステッカーによる顔認識の物理的攻撃について検討し、その対向的堅牢性をよりよく理解する。
論文参考訳（メタデータ） (2021-09-20T06:49:52Z)
FACESEC: A Fine-grained Robustness Evaluation Framework for Face Recognition Systems [49.577302852655144]
FACESECは、顔認識システムのきめ細かい堅牢性評価のためのフレームワークです。 5つの顔認識システムをクローズド設定とオープン設定の両方で検討します。ニューラルネットワークの正確な知識は、ブラックボックス攻撃におけるトレーニングデータの知識よりもはるかに重要である。
論文参考訳（メタデータ） (2021-04-08T23:00:25Z)
Vulnerability Analysis of Face Morphing Attacks from Landmarks and Generative Adversarial Networks [0.8602553195689513]
本稿は,OpenCV, FaceMorpher, WebMorph, および生成対向ネットワーク(StyleGAN)に基づく4種類のモーフィング攻撃を用いた新しいデータセットを提供する。また,facenet,vgg-face,arcfaceなど,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な実験を行った。
論文参考訳（メタデータ） (2020-12-09T22:10:17Z)
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)
Towards Transferable Adversarial Attack against Deep Face Recognition [58.07786010689529]
ディープ畳み込みニューラルネットワーク(DCNN)は敵の例に弱いことが判明した。転送可能な敵の例は、DCNNの堅牢性を著しく妨げます。 DFANetは畳み込み層で使用されるドロップアウトベースの手法であり,サロゲートモデルの多様性を高めることができる。クエリなしで4つの商用APIをうまく攻撃できる新しい対向顔ペアを生成します。
論文参考訳（メタデータ） (2020-04-13T06:44:33Z)
On the Robustness of Face Recognition Algorithms Against Attacks and Bias [78.68458616687634]
顔認識アルゴリズムは非常に高い認識性能を示しており、現実のアプリケーションに適していることを示唆している。精度が向上したにもかかわらず、これらのアルゴリズムの攻撃や偏見に対する堅牢性は問題視されている。本稿では,顔認識アルゴリズムの頑健性に挑戦する様々な方法について要約する。
論文参考訳（メタデータ） (2020-02-07T18:21:59Z)

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。