PSO-Based Closed Box Adversarial Patch Attack Against Face Recognition

doi:10.1109/tcsvt.2026.3680540

PSO-Based Closed Box Adversarial Patch Attack Against Face Recognition

2026-06-01

0

PRE

AI

DOI：10.1109/tcsvt.2026.3680540

原文链接

原文求助

摘要

En 中文

深度神经网络（DNNs）易受对抗性贴片攻击，这为使用DNN的人脸识别系统带来了安全担忧。以往的对抗性贴片生成方法通常优化影响关键面部特征的最大扰动区域。然而，这些现有方法大多局限于矩形或正方形等固定形状。这限制了后续贴片纹理优化仅在这些四边形内进行，导致对关键面部特征的复杂几何形状的适应性欠佳，可能限制对抗攻击的有效性和可迁移性。为解决此问题，本文提出了一种基于粒子群优化（PSO）的对抗性贴片（PAP）方法，用于生成动态贴片注入人脸。在所提出的PAP中，通过采用以对抗性相似性为目标的粒子群优化（PSO）算法，在基础圆形内搜索以确定预定义贴片的最佳形状和位置。这种方法使贴片能够表现出多边形变形的插值能力，确保贴片在位置、纹理和几何形状上达到最佳平衡，从而增强贴片的对抗性可迁移性。为评估人脸识别模型的脆弱性，我们在封闭盒设置下探索了伪装攻击。大量实验表明，所提出的PAP在多种人脸识别模型和数据集上均提升了攻击性能。此外，PAP在商业人脸识别系统上实现了比现有方法更好的可迁移性。

Keyword:

Feeds

Circuits and systems

Circuits

Feedback

Optical noise

Videos

Impersonation attacks

Video equipment

Pixel

Electronic mail

Adversarial patch

face recognition

impersonation attack

shape extrapolation

PSO-Based Closed Box Adversarial Patch Attack Against Face Recognition

摘要

期刊

机构

引用论文