基于深度对抗学习的人脸识别攻击方法

【作者】 郭哲；

【机构】 西北工业大学电子信息学院；

【摘要】 针对人脸识别时,在图像上刻意构造数据点会使得网络识别结果出现严重错误的问题,本文从攻击的角度提出两种基于对抗方式生成攻击图像的方法,分别为像素点扰动与添加局部噪声扰动的方法。与传统的攻击方式不同,本文设计了一种在图片上低扰动而识别结果差异很大的扰动方法,扰动后的图像在人眼上很难被发现,其中局部噪声攻击方法可以使得人脸识别系统将扰动后的图像识别成指定目标。在噪声生成阶段,采用生成对抗的方式使得图像在攻击成功的前提下保持较低的扰动。在LFW和天池AI挑战者计划人脸数据库上进行了攻击实验,图像攻击成功率为99.6%;并与传统图像处理中的噪声生成方式进行了平行对比,传统方法的扰动量要达到本文方法的几倍才能达到相同的效果。实验结果表明:与其他方法相比本文方法具有先进性,能在高成功率的前提下保证低扰动。更多还原