科创中国

行业领域

新一代信息技术产业,信息传输、软件和信息技术服务业

需求背景

在人脸识别应用场景中，人脸图像扮演着“密码”这一角色，然而，密码可以被“破解”，在现实中人脸识别系统会被欺骗与攻击。

2017年，央视“3·15”晚会现场展示了人脸识别技术，并曝光了其漏洞，引发了人们对该技术的恐慌。2019年，国内某专业研究人脸识别的企业发生大规模数据泄露事件，再次将人脸识别技术推向了舆论的风口浪尖。目前，已有研究团队在商用手机上成功实现对抗样本技术人脸解锁，不断演化的攻击方法将真实世界人脸识别系统存在的安全漏洞极大地暴露出来。研究人脸识别网络如何受到攻击就显得尤为重要。目前用于制作人脸对抗样本的方法缺乏感知质量，因此，关于人脸对抗样本图片缺乏感知质量的问题的研究是有现实意义的。

需解决的主要技术难题

设计基于GAN模型的生成器、判别器、目标模型和人脸扰动的损失函数。人脸图像的生成只需要GAN模型就可以实现，但是想要生成人脸对抗样本，那就需要目标模型和GAN模型中的生成器、判别器之间存在约束，即损失函数。设计它们之间的约束关系在生成人脸对抗样本中是一个极具挑战的问题。

期望实现的主要技术目标

目前关于对抗样本的生成大多用传统的方法，生成的对抗样本都是对原始图片进行每个像素的扰动，且生成的对抗样本视觉效果一般。本研究为了解决上述问题，引用了能生成高分辨率的图像翻译GAN模型去生成高分辨率的人脸图片；实现在人脸图片上进行部分像素扰动。

处理进度