Deep Composite Face Image Attacks: Generation, Vulnerability and Detection

要約

顔操作攻撃は、顔認識システム (FRS) に対する脆弱性があるため、生体認証研究者の注目を集めています。
この論文では、敵対的生成ネットワーク (GAN) を使用して、顔の属性に基づいて複合顔画像攻撃 (CFIA) を生成する新しいスキームを提案します。
2 つの一意のデータ サブジェクトに対応する顔画像が与えられると、提案された CFIA メソッドは、セグメント化された顔の属性を個別に生成し、透明なマスクを使用してそれらをブレンドして CFIA サンプルを生成します。
寄与データ主体のペアごとに、526 ドルの顔属性の一意の CFIA 組み合わせを生成します。
2000 の正真正銘のサンプルと 526000 の CFIA サンプルを含む 1000 の一意の ID で構成される、新しく生成された CFIA データセットに対して広範な実験が行われ、全体で 528000 の顔画像サンプルが得られます。
{{4 つの異なる自動 FRS を使用して、CFIA サンプルの攻撃の可能性をベンチマークする一連の実験を提示します}}。
Generalized Morphing Attack Potential (G-MAP) という名前の新しいメトリックを導入して、FRS で生成された攻撃の脆弱性を効果的に評価しました。
追加の実験は、CFIA データセットの代表的なサブセットに対して実行され、知覚品質と人間の観察者の反応の両方をベンチマークします。
最後に、CFIA 検出パフォーマンスは、3 つの異なる単一画像ベースの顔モーフィング攻撃検出 (MAD) アルゴリズムを使用してベンチマークされます。
提案された方法のソース コードと CFIA データセットは公開されます: \url{https://github.com/jagmohaniiit/LatentCompositionCode}

要約(オリジナル)

Face manipulation attacks have drawn the attention of biometric researchers because of their vulnerability to Face Recognition Systems (FRS). This paper proposes a novel scheme to generate Composite Face Image Attacks (CFIA) based on facial attributes using Generative Adversarial Networks (GANs). Given the face images corresponding to two unique data subjects, the proposed CFIA method will independently generate the segmented facial attributes, then blend them using transparent masks to generate the CFIA samples. We generate $526$ unique CFIA combinations of facial attributes for each pair of contributory data subjects. Extensive experiments are carried out on our newly generated CFIA dataset consisting of 1000 unique identities with 2000 bona fide samples and 526000 CFIA samples, thus resulting in an overall 528000 face image samples. {{We present a sequence of experiments to benchmark the attack potential of CFIA samples using four different automatic FRS}}. We introduced a new metric named Generalized Morphing Attack Potential (G-MAP) to benchmark the vulnerability of generated attacks on FRS effectively. Additional experiments are performed on the representative subset of the CFIA dataset to benchmark both perceptual quality and human observer response. Finally, the CFIA detection performance is benchmarked using three different single image based face Morphing Attack Detection (MAD) algorithms. The source code of the proposed method together with CFIA dataset will be made publicly available: \url{https://github.com/jagmohaniiit/LatentCompositionCode}

arxiv情報

提供元, 利用サービス

arxiv.jp, Google