Resumen

La detección de antisuplantación facial tiene como objetivo identificar si la información de identidad facial de los usuarios es legal. Los modelos de multimodalidad generalmente tienen una alta precisión. Sin embargo, los trabajos existentes de detección de antisuplantación facial tienen el problema de una investigación insuficiente sobre la seguridad del modelo en sí. Por lo tanto, el propósito de este documento es explorar la vulnerabilidad de los modelos de detección de antisuplantación facial existentes, especialmente los modelos de multimodalidad, al resistir varios tipos de ataques. En este documento, primero estudiamos la capacidad de resistencia de los modelos de multimodalidad cuando se enfrentan a ataques de caja blanca y caja negra desde la perspectiva de ejemplos adversarios. Luego, proponemos un nuevo método que combina el entrenamiento adversario mixto y módulos de supresión diferenciables de alta frecuencia para mejorar efectivamente la seguridad del modelo. Los resultados experimentales muestran que la precisión del modelo de antisuplantación facial de multimodalidad se reduce de más del 90% a aproxim

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Detección de suplantación de rostros; Modelos multimodales; Vulnerabilidad; Ataques; Ejemplos de adversarios; Método de defensa
• Keywords:Face antispoofing detection; Multimodality models; Vulnerability; Attacks; Adversarial examples; Defense method