SFMI方法：梯度引导Flow Matching逆向攻击人脸识别

Ye Lu等研究人员提出SFMI（Steering Flow Model Inversion）方法，旨在通过梯度引导的Flow Matching对人脸识别模型执行逆向攻击。该方法采用两阶段白盒模型逆向攻击策略，核心机制是利用时间依赖的目标梯度在采样过程中注入特定信号，以增强攻击效果。 在实验验证方面，研究团队在CelebA数据集上采用身份不相交交叉评估设置进行测试。结果显示，针对ArcFace目标模型，SFMI方法实现了0.9248的攻击准确率（ACC）、22.61的FID分数以及0.3874的LPIPS分数。此外，在多个目标模型的广泛实验中，SFMI在攻击成功率和视觉保真度方面均展现出具有竞争力的最先进性能。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。