StyleGAN創建的「大師臉」能騙過3大面容識別系統?炒作罷了!

新智元 2021-08-16 01:31:09 阅读数:129

本文一共[544]字,预计阅读时长:1分钟~
stylegan 大面 面容 炒作

新智元報道

來源:外媒

編輯:小勻 Priscilla

【新智元導讀】就憑9張人臉就可以覆蓋40%人口的面孔?還能够輕松越過Dlib, FaceNet, 和SphereFace三大人臉識別系統?想多了!研究人員發現這只是因為數據集覆蓋人群不够廣!人臉識別系統可不是這麼好騙的…

《碟中諜》中,阿湯哥通過假臉成功騙取了敵人。

如今,人臉識別危機重重,AI產生的假臉能否通過面部生物識別系統?

在本月的一篇名為Generating Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution的論文中,作者深入分析了這種危險的可能性。

由機器學習算法產生的「大師臉」(master face)能否攻破面部識別的防線?

9張圖片代錶40%人口,騙過3大人臉識別項目

作者是來自特拉維夫大學的三比特學者。

在論文中,他們建立了一個模型,生成了9張「大師臉」,它們能够冒充超過40%的人。

並且成功繞過了「三個領先的深度人臉識別系統」。

乍一看,這似乎對需要面部識別的應用構成了明顯的安全風險。

能够欺騙Dlib(左)、FaceNet(中)和SphereFace(右)的幾張「大師臉」

該團隊采用了StyleGAN來創建外觀逼真的化妝臉譜圖像。

每張假臉的輸出都與「野外標簽臉」(LFW)數據集中的5749個不同人的一張真實照片進行比較。

一個單獨的分類器算法决定了與數據集中的真實面孔相比假面孔的仿真性。在分類器中得分較高的圖像被保留下來,而其他的則被丟弃。

這些分數被用來訓練一個進化算法,用StyleGAN創造出越來越多看起來像數據集中的「大師臉」。

漸漸地,研究人員找到了一組盡可能能代錶數據集中圖像的大師臉——9張圖片,它們數據集中的40%。

接下來,他們用這些主臉來欺騙三種不同的面部識別模型:

Dlib, FaceNet, 和SphereFace。

這些系統在以LFW數據集上測試的最佳人臉匹配算法為基准的競賽中排名最靠前。

然而,快速瀏覽一下能够繞過這三種模型的最高得分的主面孔,就會發現研究的一個明顯局限性。它們幾乎都是老年白種人的假圖像,白頭發、有胡子、戴著眼鏡。

但是問題也來了,如果這些類型的圖像能够代錶LFW中的大部分人群,那麼該數據集肯定是有缺陷的。

是數據集的問題!

版权声明:本文为[新智元]所创,转载请带上原文链接,感谢。 https://gsmany.com/2021/08/20210816013014924U.html