StyleAT: Defending Face Recognition Against Semantic Attacks
该论文研究人脸识别模型在"语义对抗编辑"下的脆弱性问题。背景是:人脸识别已被广泛嵌入日常身份认证与视频监控系统,而近期工作发现,对输入图像做对抗性但语义层面看似合理的修改(例如轻微改变年龄外观、调整头部姿态),就能诱导模型产生误分类。这类语
#face-recognition
共收录 11 条相关情报。
← 返回所有主题Watching the watchers: bias and vulnerability in remote proctoring software.
该论文针对远程监考软件展开首次系统性技术分析，以美国法学院和州律师资格考试中常用的四款监考套件为案例，深入评估考试完整性、程序公平性以及考生安全与隐私三大核心问题。研究背景是新冠疫情加速了教育线上化，且律师、医生等高风险执业资格考试逐渐采用
Fairness Properties of Face Recognition and Obfuscation Systems.
该论文围绕人脸识别（FR）系统与混淆（Obfuscation）系统的公平性属性展开研究。人脸识别技术已在安防、身份验证等领域广泛部署，然而研究表明其性能可能在不同人口统计群体（如种族、性别、年龄）之间存在显著差异，从而引发公平性担忧。混淆系
FIDA: Feature Instability-Driven Attack on Self-Supervised Facial Representation
本文提出了一种针对自监督学习（SSL）人脸表示模型的新型后门攻击框架 FIDA（Feature Instability-Driven Attack）。研究背景是：自监督学习模型已被证实容易受到后门攻击，但在人脸表示领域，此类攻击的系统性风险
ImU: Physical Impersonating Attack for Face Recognition System with Natural Style Changes.
该论文提出了一种针对人脸识别系统的物理冒充攻击方法，名为 ImU。核心目标是让攻击者在不同拍摄条件、姿态和角度下，通过妆容实现一致且自然的外观风格变化，从而诱使人脸识别系统将攻击者错误分类为目标受害者（即内部人员）。传统物理对抗攻击往往需要
Steering the Flow: Inverting Face Recognition Models via Gradient-Guided Flow Matching
本文针对人脸识别系统中的模型逆向攻击（Model Inversion Attacks, MIAs）提出了一种新的两阶段白盒攻击方法——Steering Flow Model Inversion (SFMI)。模型逆向攻击旨在从训练好的识别模
From Noise to Meaning: Meaningful Secret Sharing with Tamper Detection for Facial Recognition
本文面向基于AI的人脸识别系统中敏感生物特征数据在训练与共享过程中的隐私与完整性保护问题展开研究。现有视觉秘密共享（Visual Secret Sharing, VSS）方案将人脸图像分割为多个看似噪声的秘密份额，并分发至不同机构，但这类噪
A Combined Feature-Based Framework for Disguise and Spoofing Detection in Face Recognition Systems
本文针对人脸识别系统中两个常见但通常被分开研究的失败模式：欺骗攻击（攻击者使用授权用户的照片或视频冒充）和伪装（合法用户因配饰、胡须、光照或姿态变化导致外观与注册模板不匹配而被拒绝）。作者提出并比较了五种结合特征提取与分类的流水线，在统一框
Casting the Net! Revisiting MasterFace Impersonation Attacks
本文重新审视了人脸识别系统（FRS）中的 MasterFace 冒充攻击。在现实的对抗能力约束下（例如仅有限的基于决策结果的认证尝试次数、且攻击者不了解系统内部结构），大多数已知攻击技术难以实施，因此零努力冒充者（即仅依赖误匹配率 FMR
FaceObfuscator: Defending Deep Learning-based Privacy Attacks with Gradient Descent-resistant Features in Face Recognition.
本文提出了一种名为 FaceObfuscator 的新型人脸图像混淆方法，旨在防御基于深度学习的隐私攻击。随着人脸识别技术被广泛应用于身份认证和公共安全，人脸图像中包含的丰富生物特征也面临着被恶意模型窃取的风险。现有的人脸脱敏方法通常依靠像
A Deeper Dive into the Irreversibility of PolyProtect: Making Protected Face Templates Harder to Invert
本文对生物特征模板保护方法 PolyProtect 的“不可逆性”进行了深入分析。PolyProtect 最初被提出用于保护人脸嵌入（face embeddings），它通过多元多项式将嵌入转换为受保护模板，每个主体的多项式的系数和指数都是