研究人员重新审视了 MasterFaces 仿冒攻击，证明即使对商业 API 服务只有有限的访问权限，攻击者也能显著提高面部识别系统 (FRS) 上的仿冒率。通过将攻击视为在生物特征表示空间上的最大覆盖问题，称为 NET，他们构建了针对 API 定制的 NET。该方法在 30 次身份验证试验中，成功将多个 FRS 的仿冒率提高了高达 9.5 倍，超过了标准的错误匹配率。 AI
影响 凸显了部署的 AI 驱动的面部识别系统中潜在的安全漏洞，需要加强防御以应对复杂的仿冒策略。
排序理由 学术论文，详细介绍了针对现有技术的新型攻击向量。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
