Una encuesta exhaustiva de los sistemas de verificación de cara profunda ataques adversarios y estrategias de defensa

Área de la Ciencia:

• Ciencias de la computación
• Inteligencia artificial
• Información biométrica

Sus antecedentes:

• Los sistemas de verificación facial (FV) se utilizan ampliamente para la autenticación, pero son susceptibles a ataques adversarios.
• Las redes neuronales profundas que alimentan los sistemas FV pueden ser engañadas por ejemplos adversarios, imperceptibles para los humanos.
• Las vulnerabilidades en los sistemas FV plantean preocupaciones para las aplicaciones críticas de seguridad.

Objetivo del estudio:

• Proporcionar una visión global de los avances recientes en la verificación profunda de la cara.
• Examinar los algoritmos para la generación de ejemplos contradictorios con respecto a los sistemas FV.
• Revisar los mecanismos de defensa contra las amenazas adversas en la verificación de la cara.

Principales métodos:

• Revisión de la literatura de algoritmos de verificación de cara profunda, utilización de bases de datos, protocolos y aplicaciones.
• Análisis en profundidad de las técnicas más avanzadas de generación de ejemplos contradictorios.
• Examen de las estrategias de defensa actuales contra los ataques adversos a los sistemas FV.

Principales resultados:

• Los sistemas FV profundos muestran un rendimiento notable, pero son vulnerables a ejemplos adversos.
• Los ejemplos adversos pueden comprometer la integridad del sistema FV durante las pruebas y el despliegue.
• Existe una amplia gama de diseños algorítmicos, estrategias de base de datos y protocolos para FV.

Conclusiones:

• La adopción generalizada de FV requiere defensas sólidas contra los ataques adversarios.
• La comprensión de la generación de ejemplos adversos es crucial para desarrollar estrategias efectivas de mitigación.
• Esta encuesta proporciona un recurso fundamental para la investigación en la verificación segura de cara profunda.