Metamorph-Gesichtsersteller mit künstlicher Intelligenz

Gesichtsverformungsangriffe stellen eine ernsthafte Bedrohung für die bestehenden Gesichtserkennungssysteme dar. Obwohl einige Methoden zur Erkennung von Gesichtsverformungen entwickelt wurden, bleibt die Wiederherstellung des Gesichts eines Komplizen, der sich verformt hat, ein schwieriges Problem. In diesem Papier wird ein generatives generatives adversarisches Netzwerk (FD-GAN) zur Wiederherstellung des Gesichtsbildes des Komplizen vorgeschlagen. Es nutzt eine symmetrische duale Netzwerkarchitektur und zwei Stufen von Wiederherstellungsverlusten, um das Identitätsmerkmal des morphenden Komplizen zu trennen. Durch die Nutzung des vom Gesichtserkennungssystem erfassten Gesichtsbildes (das die Identität des Kriminellen enthält) und des im elektronischen Reisepass gespeicherten gemorphten Bildes (das sowohl die Identität des Kriminellen als auch die des Komplizen enthält), kann das FD-GAN das Gesichtsbild des Komplizen effektiv wiederherstellen. Experimentelle Ergebnisse und Analysen belegen die Wirksamkeit des vorgeschlagenen Verfahrens. Es hat ein großes Potenzial für die Rückverfolgung der Identität des Komplizen eines Face-Morphing-Angriffs bei kriminalpolizeilichen und forensischen Untersuchungen.

Autorentext

Dr. M. Aravind Kumar hat einen B.Tech-Abschluss in ECE, einen M.Tech-Abschluss in VLSI System Design von der JNTUH und einen Ph.D. von der GITAM University, Visakhapatnam. Er hat 15 Jahre Lehrerfahrung. Er ist Mitglied auf Lebenszeit bei FIE, ISTE, IETE, SCIEI, UACEE und IAENG. Er veröffentlichte 35 Forschungsarbeiten in begutachteten Zeitschriften und auf Konferenzen.