计算机研究与发展

作者：张万里,陈越,杨奎武,张田,胡学先,

关键词：深度学习, 神经网络, 对抗样本, 遮挡人脸识别, 人脸修复,

基于对抗样本开展对抗训练目前已成为提升模型鲁棒性、安全性的重要手段.新冠疫情使得佩戴口罩成为常态，遮挡人脸识别成为现实需要.针对当前缺乏遮挡人脸识别对抗样本生成方法的问题，提出了一种自适应对抗样本生成方法——AOA（adversarialexamplesagainstoccludedfacesrecognitionbasedonadaptivemethod）.首先，根据目标模型调整对抗样本生成策略，并根据输入人脸自动调整干扰区域.其次，通过将扰动集中在对识别影响更大的区域，结合集成模型和高斯滤波，在局部特征增强的虹软、百度人脸识别上实现了黑盒攻击.最后，结合动态掩码和动态扰动乘数避免了攻击过程中的冗余计算，并保证了攻击的可持续性，生成的扰动使得人脸修复遮挡识别模型错误分割遮挡区域，进而降低模型的识别准确率.设计实现了人脸修复遮挡识别模型Arc-UFI.实验表明，AOA能够实现针对局部特征增强和人脸修复的遮挡人脸识别的有效攻击.此外，AOA可为模型安全对抗训练提供有益支撑.

来源：2023年第9期

《计算机研究与发展》期刊编辑部

查看计算机研究与发展杂志2023年第9期