检索结果-内蒙古大学图书馆

信息安全学报 2023年第2期8卷 127-137页

作者：蔡楚鑫王宇飞章烈剽卓思超张娟苗胡永健华南理工大学电子与信息学院广州510641 中新国际联合研究院广州511356 广州广电卓识智能科技有限公司广州510663 广州广电运通金融电子股份有限公司广州510663

对抗样本攻击揭示了人脸识别系统可能存在不安全性和被攻击的方式。现有针对人脸识别系统的对抗样本攻击大多在数字域进行,然而从最近文献检索的结果来看,越来越多的研究开始关注如何能把带有对抗扰动的实物添加到人脸及其周边区域上,... 详细信息

对抗样本攻击揭示了人脸识别系统可能存在不安全性和被攻击的方式。现有针对人脸识别系统的对抗样本攻击大多在数字域进行,然而从最近文献检索的结果来看,越来越多的研究开始关注如何能把带有对抗扰动的实物添加到人脸及其周边区域上,如眼镜、贴纸、帽子等,以实现物理域的对抗攻击。这类新型的对抗样本攻击能够轻易突破市面上现有绝大部分人脸活体检测方法的拦截,直接影响人脸识别系统的结果。尽管已有不少文献提出数字域的对抗攻击方法,但在物理域中复现对抗样本的生成并不容易且成本高昂。本文提出一种可从数字域方便地推广到物理域的对抗样本生成方法,通过在原始人脸样本中添加特定形状的对抗扰动来攻击人脸识别系统,达到误导或扮演攻击的目的。主要贡献包括:利用人脸关键点根据脸型构建特定形状掩膜来生成对抗扰动;设计对抗损失函数,通过训练生成器实现在数字域的对抗样本生成;设计打印分数损失函数,减小打印色差,在物理域复现对抗样本的生成,并通过模拟眼镜佩戴、真实场景光照变化等方式增强样本,改善质量。实验结果表明,所生成的对抗样本不仅能在数字域以高成功率攻破典型人脸识别系统VGGFace10,且可方便、大量地在物理域复现。本文方法揭示了人脸识别系统的潜在安全风险,为设计人脸识别系统的防御体系提供了很好的帮助。

关键词：人脸识别对抗样本攻击数字域对抗样本物理域对抗样本打印分数损失函数

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的人脸欺诈检测和对抗攻击算法研究

基于深度神经网络的人脸欺诈检测和对抗攻击算法研究

引用

作者：蔡楚鑫华南理工大学

学位级别：硕士

人脸识别系统具有便捷、可交互、非侵入性等优点,被广泛应用于日常生活,但它容易受低成本的欺诈攻击如视频重放、相片攻击等的威胁。因此,人脸欺诈/反欺骗检测是保障人脸识别系统安全的必要前提。现有人脸欺诈检测算法虽然库内性能大多... 详细信息

人脸识别系统具有便捷、可交互、非侵入性等优点,被广泛应用于日常生活,但它容易受低成本的欺诈攻击如视频重放、相片攻击等的威胁。因此,人脸欺诈/反欺骗检测是保障人脸识别系统安全的必要前提。现有人脸欺诈检测算法虽然库内性能大多优良,但由于目标域和源域的数据分布差异,跨库泛化性能明显下降。此外,现有人脸识别系统较少考虑新型对抗攻击,这种安全隐患将影响人脸识别系统的可靠性。为此,本文从提高人脸欺诈检测算法泛化性和对抗攻击开展研究,主要工作如下:1、针对现有人脸欺诈检测算法在二分类时存在辅助信息不足和不同目标域性能下降的问题,提出一种基于3D点云监督和置信度修正的人脸欺诈检测算法。主要贡献包括:第一,提取深度特征与采样的位置信息拼接,利用3D点云重建与监督,建立深度特征和位置的像素级匹配关系,并以此预测3D点云;第二,设计置信度预测网络预测像素级置信度图,对预测3D点云进行修正,以适配不同目标域;第三、设计浅层深度特征提取网络并进一步轻量化。实验结果表明,该算法在保证库内性能的同时,跨库泛化性明显提高,同时模型显著缩小,计算复杂度大幅降低,适合实际部署。2、针对现有人脸对抗攻击算法普遍存在样本生成速度慢、计算复杂高、人脸适配难的问题,提出一种基于单类样本生成和关键点适配的数字域人脸对抗攻击算法。以生成眼镜形状对抗扰动为例,主要贡献包括:第一,设计生成器网络实现基于单类样本生成对抗扰动;第二,根据人脸关键点构建眼镜掩膜,可随人脸自适应确定对抗扰动的形状、大小及位置;第三,设计对抗损失函数,通过惩罚正确判断和鼓励攻击来构建数字域对抗样本。实验结果表明,该算法能在数字域以高成功率攻破人脸识别系统VGGFace10,最后在实验基础上构建了一个人脸对抗攻击数据库。3、在上述第2点实现数字域对抗攻击的基础上,针对物理域复现难和攻击成功率低的问题,提出一种基于打印分数损失和模拟增强的物理域人脸对抗攻击算法。该算法通过打印机打印并佩戴攻击简便地实现物理域复现,并通过设计打印分数损失函数减小打印色差,通过模拟攻击过程和光照变化数据增强减小环境差异,以提高攻击成功率。实验结果表明,该算法可在物理域攻破VGGFace10,且打印分数损失和模拟增强有助于提高攻击成功率。

关键词：深度神经网络人脸欺诈检测人脸对抗攻击 3D点云重构网络置信度修正数字域对抗样本物理域对抗样本打印分数损失

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：