.png){kind=icon}
返回
DBBA: Diffusion-Based Backdoor Attacks on Open-Set Face Recognition Models
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-07884-1_16.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于深度神经网络的 face recognition 模型被广泛应用于认证系统中，但易受后门攻击。现有方法存在关键局限性：(1) 标签污染攻击易于检测，而干净标签攻击常依赖降低图像质量的对抗性扰动；(2) 缺乏语义信息的触发器在物理场景中显眼且不实用；(3) 攻击者-受害者身份选择常受限制，限制了开放集场景下的适用性。为解决这些问题，我们提出 DBBA，一种基于扩散的后门攻击框架，可在开放集 face recognition 中实现干净标签约束。DBBA 利用扩散模型的生成高保真度和多模态能力，合成视觉上合理、语义上有意义的被污染人脸。通过整合触发器优化、多目标损失和自适应身份选择策略，本方法在污染成功率与干净准确率之间实现了良好平衡。大量实验验证了 DBBA 的隐蔽性、有效性和现实世界适用性，为未来 face recognition 模型应用的安全增强提供了启发和推动。
Keyword:
Backdoor attack
Open-set Face recognition
Diffusion model
Clean label
期刊
C
IF:
0
论文数:
22
被引数:
0
机构
引用论文
Backdoors hidden in facial features: a novel invisible backdoor attack against face recognition systems隐藏在面部特征中的后门: 针对面部识别系统的新型隐形后门攻击
PREAI
分享收藏
Lingenfelter, B., Davis, S. R., Hand, E. M., 2022. A quantitative analysis of labeling issues in the CelebA dataset. In: International Symposium on Visual Computing. Springer, pp. 129–141.Lingenfelter, B., Davis, S. R., Hand, E. M., 2022. 对CelebA数据集中标注问题的定量分析。载于：国际视觉计算 symposium. Springer, 第129-141页。.png)
IF0
PREAI
分享收藏MS-Celeb-1M: A Dataset and Benchmark for Large-Scale Face RecognitionMS-Celeb-1M: 大规模人脸识别的数据集和基准
PREAI
分享收藏
查看更多内容