为了最大限度地减少对Morphing Attacks的努力 - 深度嵌入用于Morphing对选择,并改进了Morphing Attack检测

科学领域:

• 计算机科学 计算机科学
• 生物识别信息 生物识别信息
• 网络安全 网络安全

背景情况:

• 面部变形攻击通过使双重使用成为可能,威胁到身份证件安全.
• 现有的检测方法通常需要大量的形态图像数据集进行训练.
• 脸部嵌入显示出产生和检测变形攻击的希望.

研究的目的:

• 评估面部嵌入的有效性,特别是MagFace模型,在生成和检测面部变形攻击.
• 分析面部识别系统对变形攻击的脆弱性.
• 为了比较不同嵌入模型在攻击检测中的性能.

主要方法:

• 开发了一种使用面部嵌入的算法,用于预先选择用于大规模变形攻击生成的图像.
• 使用最先进的面部识别系统 (ArcFace,MagFace) 来提取嵌入.
• 通过对各种面部识别系统量化生成的变形图像的成功率来评估攻击潜力.
• 对比了ArcFace和MagFace嵌入式在检测变形图像方面的性能.

主要成果:

• 脸部嵌入显著改善了产生变形攻击的预选择过程.
• 许多商业和开源的面部识别系统是脆弱的,当嵌入用于预选时,脆弱性会增加.
• 基于地标的变形算法和更准确的面部识别系统带来更高的风险.
• 与ArcFace相比,MagFace嵌入式在检测变形图像方面表现出卓越的性能.

结论:

• 面部嵌入对于高效生成大规模的变形面部数据库以及对变形攻击的强大检测至关重要.
• MagFace 模型是改造攻击检测的强大替代方案,增强系统安全性.
• 这项研究强调了对复杂的面部变形攻击的先进对策的必要性.