Det neurale netværk blev lært at skabe "universelle" ansigter til at bedrage identifikationssystemer

Ifølge forfatterne af undersøgelsen kan 9 syntetiserede ansigter erstatte billeder af mindst 40 % af mennesker

fra en åben database.Under eksperimentet testede videnskabsmænd StyleGAN Generative Adversarial Network (GAN) neurale netværk på tre effektive ansigtsgenkendelsessystemer. Forskningen blev udført i fællesskab med videnskabelige institutioner i Tel Aviv.

Under arbejdet fandt forskerne ud af, at den enestedet genererede ansigt er i stand til at efterligne 20% af ansigter fra den åbne database ved University of Massachusetts. Som du ved, er det hende, der ofte bruges til at teste systemer til genkendelse af personlighed.

Efterfølgende grupper af "nøglepersoner" opnåetunder undersøgelsen ved hjælp af forskellige dækningssøgningsmetoder, herunder LM-MA-ES. Den tildelte gennemsnitlige dækning (MSC) er angivet under hvert billede.

Metoden for israelske forskere giver dig mulighed for at anvendeåbne kilder som "modeller" for "substitution" af langt de fleste mennesker, uden at bruge lukkede databaser. Under forskellige forhold kunne forskere opnå en "positiv" identifikation af mere end 40% til 60% af ansigterne ved kun at bruge 9 genererede fotografier.

En israelsk system arbejdsgang, hvor StyleGAN bruges til iterativt at søge efter "nøglepersoner". Kilde: https://arxiv.org/pdf/2108.01077.pdf

Systemet bruger det såkaldte. En "evolutionær algoritme" og en "neuroprediktor", der vurderer sandsynligheden for, hvor meget den nuværende "kandidat" vil være bedre end de ansigter, der blev genereret under tidligere forsøg.

Læs mere

Se hvordan et sort hul begynder at ødelægge en stjerne

Ny partikel opdaget på Large Hadron Collider

NASA: situationen med "Science" -modulet er mere alvorlig end tidligere annonceret