arxiv-2024-Adversarial Attacks on Both Face Recognition and Face Anti-spoofing Models

一、研究背景
1.对抗性攻击仅能损害纯FR模型，而对完整的FR系统无效。这是因为所合并的FAS模型可以检测到大量对抗性样本。
2.检测到对抗样本的贴图边界，使其在FAS模块便被过滤掉，无法到达FR模块。

二、研究动机

三、研究目标
1.提出同时作用于FR和FAS模型的对抗攻击设置，提高对FR系统的对抗攻击。
2.FR：错误判断身份；FAS：错误判断真伪。

四、技术路线
样式对齐分布偏置（SDB），提高对FR和FAS模型的黑盒攻击能力。

1.设计分布感知的评分偏置模块，优化对抗性样本使其远离假样本，以增强FAS模型的迁移性。

• 令$\mathcal{G}$无法鉴别真伪。