핵심 개념
본 논문에서는 VQGAN 기반의 새로운 얼굴 모핑 공격 생성 기술인 MorCode를 제안하고, MorCode를 사용하여 생성된 모핑 이미지가 기존 방식보다 얼굴 인식 시스템에 더 높은 공격 성공률을 보임을 실험적으로 증명한다.
초록
MorCode: 생성 코드북을 활용한 얼굴 모핑 공격 생성
본 연구 논문에서는 VQGAN(Vector Quantized Generative Adversarial Network)을 기반으로 한 새로운 2D 얼굴 모핑 공격 생성 기술인 MorCode를 소개합니다. MorCode는 생성된 모핑 이미지의 높은 공격 성공률을 통해 얼굴 인식 시스템의 취약성을 보여줍니다.
MorCode: MorCode는 VQGAN을 사용하여 학습된 코드북을 기반으로 두 얼굴 이미지의 잠재 공간에서 구형 보간을 수행하여 고품질 모핑 이미지를 생성합니다.
인코더: 입력 이미지를 잠재 공간으로 압축합니다.
구형 보간: 두 잠재 표현을 보간하여 부드러운 전환을 만듭니다.
벡터 양자화: 보간된 출력을 코드북을 사용하여 양자화하여 압축된 표현을 생성합니다.
디코더: 양자화된 표현을 사용하여 최종 모핑 이미지를 생성합니다.
MorCode 모핑 데이터 세트 (MMD): 본 연구에서는 MorCode를 사용하여 생성된 새로운 얼굴 모핑 데이터 세트인 MMD를 소개합니다. MMD는 공개적으로 사용 가능한 FRGC V2 데이터 세트를 기반으로 하며, 디지털 및 인쇄-스캔(PS)의 두 가지 유형의 미디어로 구성됩니다.
실험 및 결과: MorCode의 공격 가능성을 정량적으로 분석하기 위해 ArcFace, MagFace, AdaFace 등 세 가지 심층 학습 기반 얼굴 인식 시스템(FRS)을 사용했습니다.
MorCode는 디지털 및 PS 모핑 이미지 모두에서 기존의 다섯 가지 모핑 생성 기술(랜드마크 기반, MIPGAN-2, ReGen Morph, StyleGAN2, MorDiff)과 비교하여 가장 높은 공격 성공률을 보였습니다.
특히, MorCode는 FAR(False Acceptance Rate) 1%에서 세 가지 FRS 모두에서 90% 이상의 높은 G-MAP(Generalized Morphing Attack Potential) 값을 달성했습니다.