Greedy-DiM: Greedy Algorithms for Unreasonably Effective Face Morphs

要約

モーフィング攻撃は、複数の ID の生体情報を含む 1 つの画像を作成することを目的とした、最先端の顔認識 (FR) システムに対する新たな脅威となっています。
Diffusion Morphs (DiM) は、最近提案されたモーフィング攻撃であり、表現ベースのモーフィング攻撃として最先端のパフォーマンスを実現しています。
しかし、DiM に関する既存の研究はいずれも DiM の反復的な性質を利用しておらず、DiM モデルをブラック ボックスのままにし、敵対的生成ネットワーク (GAN) や Vrational AutoEncoder (VAE) と何ら変わらないように扱っています。
我々は、ID ベースのヒューリスティック関数によってガイドされる最適なステップを検索する、DiM モデルの反復サンプリング プロセスに関する貪欲な戦略を提案します。
オープンソースの SYN-MAD 2022 コンペティション データセットを使用して、私たちが提案するアルゴリズムを他の 10 個の最先端のモーフィング アルゴリズムと比較します。
私たちが提案したアルゴリズムは過度に効果的であり、テストしたすべての FR システムを 100% の MMPMR で騙し、比較した他のすべてのモーフィング アルゴリズムよりも優れていることがわかりました。

要約(オリジナル)

Morphing attacks are an emerging threat to state-of-the-art Face Recognition (FR) systems, which aim to create a single image that contains the biometric information of multiple identities. Diffusion Morphs (DiM) are a recently proposed morphing attack that has achieved state-of-the-art performance for representation-based morphing attacks. However, none of the existing research on DiMs have leveraged the iterative nature of DiMs and left the DiM model as a black box, treating it no differently than one would a Generative Adversarial Network (GAN) or Varational AutoEncoder (VAE). We propose a greedy strategy on the iterative sampling process of DiM models which searches for an optimal step guided by an identity-based heuristic function. We compare our proposed algorithm against ten other state-of-the-art morphing algorithms using the open-source SYN-MAD 2022 competition dataset. We find that our proposed algorithm is unreasonably effective, fooling all of the tested FR systems with an MMPMR of 100%, outperforming all other morphing algorithms compared.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google