論文の概要: The Impact of Print-and-Scan in Heterogeneous Morph Evaluation Scenarios
- arxiv url: http://arxiv.org/abs/2404.06559v1
- Date: Tue, 9 Apr 2024 18:23:34 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-11 16:18:39.549817
- Title: The Impact of Print-and-Scan in Heterogeneous Morph Evaluation Scenarios
- Title（参考訳）: 不均質な形態評価シナリオにおける印刷・走査の影響
- Authors: Richard E. Neddo, Zander W. Blasingame, Chen Liu,
- Abstract要約: 印刷および走査が一連の試験を通じて形態形成攻撃に与える影響について検討する。
実験の結果,DiMでは5.64%の偽マッチングが可能であることが判明した。
また、厳密な印刷スキャンされたモルヒネ攻撃は、非印刷スキャンされたデジタルモルヒネよりも平均9.185%強く行われた。
- 参考スコア（独自算出の注目度）: 1.9035583634286277
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face morphing attacks present an emerging threat to the face recognition system. On top of that, printing and scanning the morphed images could obscure the artifacts generated during the morphing process, which makes morphed image detection even harder. In this work, we investigate the impact that printing and scanning has on morphing attacks through a series of heterogeneous tests. Our experiments show that we can increase the possibility of a false match by up to 5.64% for DiM and 16.00% for StyleGAN2 when providing an image that has been printed and scanned, regardless it is morphed or bona fide, to a Face Recognition (FR) system. Likewise, using Frechet Inception Distance (FID) metric, strictly print-scanned morph attacks performed on average 9.185% stronger than non-print-scanned digital morphs.
- Abstract（参考訳）: 顔形態攻撃は、顔認識システムに新たな脅威をもたらす。
それに加えて、モルヒネ画像の印刷とスキャンは、モルヒネ処理中に生成されたアーティファクトを隠蔽する可能性があるため、モルヒネ画像の検出はさらに困難になる。
本研究では,印刷・走査が異種連続試験による形態形成攻撃に与える影響について検討する。
本実験により,顔認識(FR)システムにおいて,画像の印刷・スキャンを行う場合,DiMは5.64%,StyleGAN2は16.00%の偽マッチングが可能であることが確認された。
同様に、フレシェ・インセプション・ディスタンス(Frechet Inception Distance、FID)メートル法を用いて、厳密に印刷されたモルフィック攻撃は、非印刷されたデジタルモルフィックよりも平均9.185%強く行われた。
関連論文リスト
- Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。
それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。
以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
論文 参考訳（メタデータ） (2024-11-12T01:17:27Z) - 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) - 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) - 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) - Face Morphing Attack Detection with Denoising Diffusion Probabilistic
Models [0.0]
モールフされた顔画像は、様々な悪意のある目的のために誰かの身元を偽装するために使用することができる。
既存のMAD技術は、ボナフィドやモルフィド画像の例から学ぶ識別モデルに依存している。
本研究では,ボナファイド画像の特徴からのみ学習できる新しい拡散型MAD法を提案する。
論文 参考訳（メタデータ） (2023-06-27T18:19:45Z) - Exploring Model Dynamics for Accumulative Poisoning Discovery [62.08553134316483]
そこで我々は,モデルレベルの情報を通して,防衛を探索するための新しい情報尺度,すなわち,記憶の離散性(Memorization Discrepancy)を提案する。
暗黙的にデータ操作の変更をモデル出力に転送することで、メモリ識別は許容できない毒のサンプルを発見することができる。
我々は、その性質を徹底的に探求し、累積中毒に対する防御のために、離散型サンプル補正(DSC)を提案する。
論文 参考訳（メタデータ） (2023-06-06T14:45:24Z) - MorphGANFormer: Transformer-based Face Morphing and De-Morphing [55.211984079735196]
顔変形に対するスタイルGANベースのアプローチが主要な技術である。
本稿では,顔の変形に対する変換器ベースの代替手段を提案し,その利点をStyleGANベースの方法と比較した。
論文 参考訳（メタデータ） (2023-02-18T19:09:11Z) - Leveraging Diffusion For Strong and High Quality Face Morphing Attacks [2.0795007613453445]
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。
論文 参考訳（メタデータ） (2023-01-10T21:50:26Z) - 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) - 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) - On the Influence of Ageing on Face Morph Attacks: Vulnerability and
Detection [12.936155415524937]
顔認識システム(FRS)は境界制御アプリケーションに広く採用されている。
顔形態形成工程は、複数のデータ被験者の画像を使用し、画像ブレンディング操作を行い、高品質な画像を生成する。
生成した形態画像は、合成画像に寄与するデータ対象の生体特性と類似した視覚特性を示す。
論文 参考訳（メタデータ） (2020-07-06T12:32:41Z)
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。