软件学报

作者：马玉琨,毋立芳,简萌,刘方昊,杨洲

单位：马玉琨，北京工业大学 信息学部, 北京 100124;河南科技学院 信息工程学院, 河南 新乡 45300011,毋立芳，北京工业大学 信息学部, 北京 10012402,简萌，北京工业大学 信息学部, 北京 10012403,刘方昊，Courant Institute of Mathematics, New York University, New York, NY 10012, USA04,杨洲，北京工业大学 信息学部, 北京 10012405

关键词：人脸活体检测;对抗样本;卷积神经网络;对抗扰动;视觉集中性

基金：北京市教委科技创新项目（KZ201510005012）；国家自然科学基金（61702022）；中国博士后科学基金（2017M610026，2017M610027）

近年来，基于深度卷积神经网络的人脸活体检测技术取得了较好的性能.然而，深度神经网络被证明容易受到对抗样本的攻击，影响了人脸系统的安全性.为了建立更好的防范机制，需充分研究活体检测任务对抗样本的生成机理.相对于普通分类问题，活体检测任务具有类间距离小，且扰动操作难度大等特性.在此基础上，提出了基于最小扰动维度和人眼视觉特性的活体检测对抗样本生成算法，将扰动集中在少数几个维度上，并充分考虑人眼的视觉连带集中特性，加入扰动点的间距约束，以便最后生成的对抗样本更不易被人类察觉.该方法只需平均改变输入向量总维度的1.36%，即可成功地欺骗网络，使网络输出想要的分类结果.通过志愿者的辨认，该方法的人眼感知率比DeepFool方法降低了20%.

来源：2019年第2期

《软件学报》期刊编辑部

查看软件学报杂志2019年第2期