【对抗人脸攻击与防御综述】Adversarial Attacks Against Face Recognition, A Comprehensive Study

1. 相关工作

• 介绍了目前常用的人脸识别的models,包括Facenet,VGG-face,Cosface,Arcface等等，后两者是基于相似度cosine.
• Dataset：LFW,CASIA-Webface，MS-Celeb-1M，VGGface2，Megaface。

2. 对抗攻击方法

FGSM，L-BFGS，I-FGSM, JSMA,One-pixel attack, DeepFool,C&W等

人脸对抗攻击

• Evolutionary attack (1+1-CMS-ES)降维搜索【Efficient Decision-based Black-box Adversarial Attacks on Face Recognition】
  
  
• FIM：

• 对抗眼镜（1,2）【Accessorize to a Crime: Real and Stealthy Attacks on State-of-the-Art Face Recognition】【A General Framework for Adversarial Examples with Objectives】

• VLA-light-based：【VLA: A Practical Visible Light-based Attack on Face Recognition Systems in Physical World】

• P-FGVM(惩罚FGVM)：就是在FGVM基础上加一个lamda*(X-X^)更新loss
  【Adversarial face de-identification】
  

• FLM(Face landmark manipulation)，基于几何的方法，通过面部特征点的移动，最后提出一个Semantic group用于分组更新【Fast Geometrically-Perturbed Adversarial Faces】
  
  

• DFAnet，在model中加入dropout，用于随机丢失部分特征，来提高transferability【Towards Transferable Adversarial Attack against Deep Face Recognition】
  

3. 对抗防御方法

基本上是三种类型——调整训练/测试阶段的输入、调整model网络结构，使用外部model