学习基于知识的提示,用于强大的3D面具呈现,攻击检测和攻击检测

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 网络安全 网络安全

背景情况:

• 三维面具呈现攻击威胁到人脸识别系统.
• 现有的使用多式联络功能或远程光电显微镜 (rPPG) 的检测方法成本高昂,普遍性有限.
• 与检测相关的文本描述具有成本效益,但在此任务中未得到充分利用.

研究的目的:

• 探索视觉语言多式联络功能在3D面具呈现攻击检测方面的潜力.
• 提出一种基于知识的新型快速学习框架,以提高检测性能和概括性.
• 通过利用具有成本效益的文本描述和先进的AI技术来解决当前方法的局限性.

主要方法:

• 开发了一个基于知识的快速学习框架,包含知识图实体和三重体.
• 引入了一种视觉特定的知识过器,使用注意力机制来根据视觉上下文改进知识图元素.
• 在培训期间利用因果图理论和虚假的相关性消除范式来增强概括.

主要成果:

• 拟议的框架有效地利用了预先训练的视觉语言模型的知识.
• 该方法展示了强大的概括能力,用于3D面具呈现攻击检测.
• 在基准数据集的内部和交叉场景检测中实现了最先进的性能.

结论:

• 用知识图和因果推理增强的视觉语言模型为3D面具呈现攻击检测提供了强大的方法.
• 与现有方法相比,拟议的框架提供了一个具有成本效益和高度通用性的解决方案.
• 这项研究为保护面部识别系统免受复杂的假冒攻击开辟了新的途径.