AdvBiom: Adversarial Attacks on Biometric Matchers

要約

ディープ ラーニング モデルの出現により、顔認識システムは驚異的な認識率を達成しました。
この成功の背後にある主力製品は、畳み込みニューラル ネットワーク (CNN) と大規模なトレーニング データセットの可用性です。
ただし、顔サンプルに対する人間が認識できない小さな変更が、最も一般的な顔認識システムを回避できることを示しています。
さらに驚くべきことは、同じジェネレーターが将来、他の特性に拡張される可能性があるという事実です。
この作業では、このようなジェネレーターをトレーニングし、指紋認識システムなどの他の生体認証モダリティに拡張する方法を紹介します。

要約(オリジナル)

With the advent of deep learning models, face recognition systems have achieved impressive recognition rates. The workhorses behind this success are Convolutional Neural Networks (CNNs) and the availability of large training datasets. However, we show that small human-imperceptible changes to face samples can evade most prevailing face recognition systems. Even more alarming is the fact that the same generator can be extended to other traits in the future. In this work, we present how such a generator can be trained and also extended to other biometric modalities, such as fingerprint recognition systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google