Fugu-MT 論文翻訳(概要): Hierarchical Generative Network for Face Morphing Attacks

論文の概要: Hierarchical Generative Network for Face Morphing Attacks

arxiv url: http://arxiv.org/abs/2403.11101v1
Date: Sun, 17 Mar 2024 06:09:27 GMT
ステータス: 処理完了
システム内更新日: 2024-03-19 18:35:30.779691
Title: Hierarchical Generative Network for Face Morphing Attacks
Title（参考訳）: 顔形態形成攻撃のための階層的生成ネットワーク
Authors: Zuyuan He, Zongyong Deng, Qiaoyun He, Qijun Zhao,
Abstract要約: 顔認識システム(FRS)は、複数のアイデンティティを含む形態画像を作成することで、顔認識システム(FRS)を回避している。本研究では, 画像の品質向上と寄与するアイデンティティの保存を図るため, 新たなモーフィング攻撃法を提案する。
参考スコア（独自算出の注目度）: 7.34597796509503
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Face morphing attacks circumvent face recognition systems (FRSs) by creating a morphed image that contains multiple identities. However, existing face morphing attack methods either sacrifice image quality or compromise the identity preservation capability. Consequently, these attacks fail to bypass FRSs verification well while still managing to deceive human observers. These methods typically rely on global information from contributing images, ignoring the detailed information from effective facial regions. To address the above issues, we propose a novel morphing attack method to improve the quality of morphed images and better preserve the contributing identities. Our proposed method leverages the hierarchical generative network to capture both local detailed and global consistency information. Additionally, a mask-guided image blending module is dedicated to removing artifacts from areas outside the face to improve the image's visual quality. The proposed attack method is compared to state-of-the-art methods on three public datasets in terms of FRSs' vulnerability, attack detectability, and image quality. The results show our method's potential threat of deceiving FRSs while being capable of passing multiple morphing attack detection (MAD) scenarios.
Abstract（参考訳）: 顔認識システム(FRS)は、複数のアイデンティティを含む形態画像を作成することで、顔認識システム(FRS)を回避している。しかし、既存の顔形態攻撃手法は画像品質を犠牲にするか、アイデンティティ保存能力を損なうかのいずれかである。その結果、これらの攻撃は、人間のオブザーバーを欺くために管理しながら、FRSの検証を十分に回避することができない。これらの手法は一般的に、効果的な顔領域の詳細な情報を無視して、画像の貢献によるグローバルな情報に依存している。以上の課題に対処するため,画像の質を向上し,寄与するアイデンティティをよりよく保存する新しいモーフィング攻撃法を提案する。提案手法は階層型生成ネットワークを利用して,局所的な詳細情報とグローバルな整合性情報の両方をキャプチャする。さらに、マスク誘導画像ブレンディングモジュールは、顔の外の領域からアーティファクトを除去し、画像の視覚的品質を改善する。提案手法は, FRSの脆弱性, 攻撃検出性, 画像品質の観点から, 3つの公開データセットの最先端手法と比較する。以上の結果から,本手法はマルチモーフィング攻撃検出(MAD)シナリオをパスしつつ,FRSを無効にするという潜在的な脅威を示す。

関連論文リスト

ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
深層学習に基づく顔操作の誤用は、公民権に対する潜在的な脅威となる。この不正行為を防ぐため、プロアクティブな防御技術が提案され、操作プロセスを妨害した。我々は,ID-Guardと呼ばれる,顔操作と戦うための新しい普遍的枠組みを提案する。
論文参考訳（メタデータ） (2024-09-20T09:30:08Z)
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)
DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis [71.40724659748787]
DiffusionFaceは、最初の拡散ベースのフェイスフォージェリーデータセットである。非条件およびテキストガイドの顔画像生成、Img2Img、Inpaint、Diffusionベースの顔交換アルゴリズムなど、さまざまなフォージェリーカテゴリをカバーする。重要なメタデータと、評価のための実世界のインターネットソースの偽顔画像データセットを提供する。
論文参考訳（メタデータ） (2024-03-27T11:32:44Z)
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)
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)
Face Morphing Attack Detection Using Privacy-Aware Training Data [0.991629944808926]
顔の形をした画像は、顔認識ベースのセキュリティシステムに深刻な脅威をもたらす。現代の検出アルゴリズムは、実際の人物の認証画像を用いて、このような形態的攻撃を識別する。このアプローチは、さまざまなプライバシー上の懸念を提起し、公開されているトレーニングデータの量を制限する。
論文参考訳（メタデータ） (2022-07-02T19:00:48Z)
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)
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)
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 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)

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。