Quadruplet Loss For Improving the Robustness to Face Morphing Attacks

要約

ディープラーニングの最近の進歩により、テクノロジーとセキュリティ対策に革命が生じ、堅牢な識別方法が必要になりました。
パーソナライズされた特性を活用した生体認証アプローチは、有望なソリューションを提供します。
しかし、顔認識システムは高度な攻撃、特に顔モーフィング技術に対して脆弱であり、不正な文書の作成を可能にします。
この研究では、モーフィング攻撃に対する顔認識システムの堅牢性を高めるための新しい四重項損失関数を導入します。
私たちのアプローチには、ネットワーク トレーニングのために、顔モーフと組み合わせた顔画像の 4 つ組の特定のサンプリングが含まれます。
実験結果は、モーフィング攻撃に対する顔認識ネットワークの堅牢性を向上させる私たちの戦略の効率性を示しています。

要約(オリジナル)

Recent advancements in deep learning have revolutionized technology and security measures, necessitating robust identification methods. Biometric approaches, leveraging personalized characteristics, offer a promising solution. However, Face Recognition Systems are vulnerable to sophisticated attacks, notably face morphing techniques, enabling the creation of fraudulent documents. In this study, we introduce a novel quadruplet loss function for increasing the robustness of face recognition systems against morphing attacks. Our approach involves specific sampling of face image quadruplets, combined with face morphs, for network training. Experimental results demonstrate the efficiency of our strategy in improving the robustness of face recognition networks against morphing attacks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google