github疯狂涨星-使用精心制作的天然化妆品躲开攻击

在上面图像中，攻击者被人脸识别（FR）系统识别。在中间图像中，我们的方法使用代理模型来计算数字域中的对抗性组成，然后应用于物理域。因此，FR系统无法识别攻击者（下图）

摘要：最先进的监控系统使用深度学习人脸识别模型来识别，例如：公共区域（如机场）的个人。先前的研究表明，在数字和物理领域，使用对抗性机器学习（AML）攻击成功地规避此类系统的识别。然而，物理域中的攻击需要对人类参与者的面部进行重大操纵，这可能会引起人类观察员（例如机场安检人员）的怀疑。在这项研究中，我们提出了一种新的黑盒AML攻击方法，该方法可以精心打造自然妆容，当应用于人类参与者时，可以防止参与者被面部识别模型识别。我们评估了我们针对ArcFace人脸识别模型提出的攻击，20名参与者参与了一项研究真实世界的设置，包括两个摄像头、不同的拍摄角度和不同的照明条件。评估结果表明，在数字领域，人脸识别系统无法识别所有参与者，而在物理领域，人脸识别系统只能在1.22%的帧中识别参与者（相比之下，没有化妆的情况下为47.57%，随机自然化妆的情况下为33.73%），低于实际操作环境的合理阈值。

FR人脸识别系统的操作流程

创建数字对抗性化妆：为输入图像计算热图，然后将化妆添加到图像中的相关面部区域。只要新的化妆图像仍然被正确识别，它就被用作输入；重复该过程，直到无法正确识别图像。

实验结果：人脸识别的效率明显降低

微信公众号：

下载对应的论文，在公众号中回复:paper