論文の概要: Find the Differences: Differential Morphing Attack Detection vs Face Recognition
- arxiv url: http://arxiv.org/abs/2604.14734v1
- Date: Thu, 16 Apr 2026 07:48:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-17 21:29:31.789355
- Title: Find the Differences: Differential Morphing Attack Detection vs Face Recognition
- Title（参考訳）: 差分を見つける:差分形態検出と顔認識
- Authors: Una M. Kelly, Luuk J. Spreeuwers, Raymond N. J. Veldhuis,
- Abstract要約: 顔認識と差動モーフィング攻撃検出(D-MAD)は原理的に非常によく似た処理を行う。
現在使用されている決定しきい値が本質的にFR系にモルヒネ攻撃に対して脆弱であることを示す。
本稿では,すでに形態素検出に使われているFRシステムを用いて,攻撃に対する脆弱性の上限を保証する新たな評価しきい値を導入することを提案する。
- 参考スコア（独自算出の注目度）: 3.4709432024347247
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Morphing is a challenge to face recognition (FR) for which several morphing attack detection solutions have been proposed. We argue that face recognition and differential morphing attack detection (D-MAD) in principle perform very similar tasks, which we support by comparing an FR system with two existing D-MAD approaches. We also show that currently used decision thresholds inherently lead to FR systems being vulnerable to morphing attacks and that this explains the tradeoff between performance on normal images and vulnerability to morphing attacks. We propose using FR systems that are already in place for morphing detection and introduce a new evaluation threshold that guarantees an upper limit to the vulnerability to morphing attacks - even of unknown types.
- Abstract（参考訳）: モルフィングは、いくつかのモルフィング攻撃検出ソリューションが提案されている顔認識(FR)の課題である。
顔認識と差動モーフィング攻撃検出(D-MAD)の原理は、FRシステムと既存の2つのD-MADアプローチを比較することで、非常によく似たタスクをこなすと論じている。
また,現在使用している判定しきい値が,FR系がモルヒネ攻撃に対して脆弱であることや,通常の画像のパフォーマンスとモルヒネ攻撃に対する脆弱性とのトレードオフを説明できることを示す。
我々は,すでに形態素検出に使われているFRシステムを用いて,未知の型であっても,攻撃に対する脆弱性の上限を保証できる新たな評価しきい値を導入することを提案する。
関連論文リスト
- AdvQDet: Detecting Query-Based Adversarial Attacks with Adversarial Contrastive Prompt Tuning [93.77763753231338]
CLIP画像エンコーダを微調整し、2つの中間対向クエリに対して同様の埋め込みを抽出するために、ACPT(Adversarial Contrastive Prompt Tuning)を提案する。
我々は,ACPTが7つの最先端クエリベースの攻撃を検出できることを示す。
また,ACPTは3種類のアダプティブアタックに対して堅牢であることを示す。
論文 参考訳（メタデータ） (2024-08-04T09:53:50Z) - MirrorCheck: Efficient Adversarial Defense for Vision-Language Models [55.73581212134293]
本稿では,視覚言語モデルにおける対角的サンプル検出のための,新しい,しかしエレガントなアプローチを提案する。
本手法は,テキスト・トゥ・イメージ(T2I)モデルを用いて,ターゲットVLMが生成したキャプションに基づいて画像を生成する。
異なるデータセットで実施した経験的評価により,本手法の有効性が検証された。
論文 参考訳（メタデータ） (2024-06-13T15:55:04Z) - 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) - 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) - 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) - Robustness of Facial Recognition to GAN-based Face-morphing Attacks [3.3734683025502723]
我々は、攻撃者が既に武器に持っている可能性のある2つの新しいGANベースの方法を特定する。
各手法は最先端顔認識(fr)アルゴリズムに対して評価される。
本研究では,FRアルゴリズムの忠実性の向上が,形態画像による攻撃成功率の低下につながることを実証した。
論文 参考訳（メタデータ） (2020-12-18T23:06:20Z) - Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。
生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。
実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
論文 参考訳（メタデータ） (2020-02-22T10:08:42Z)
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。