Yüz sahteciliği önleme sistemlerine yönelik optimizasyon tabanlı çekişmeli saldırı üretimi
Optimization-based adversarial attack generation against face anti-spoofing systems
- Tez No: 1025113
- Danışmanlar: DOÇ. DR. ÖMÜR ŞAHİN, DOÇ. DR. AHMET NUSRET TOPRAK
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Optimizasyon, Yapay zeka, Yüz tanıma, Çekişmeli saldırı, Deep learning, Optimization, Artificial intelligence, Face recognition, Adversarial attack
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yüz sahteciliği önleme (Face Anti-Spoofing, FAS) sistemleri güvenlik açısından kritik biyometrik uygulamalarda yaygınlaşsa da, gerçekçi kara kutu saldırılara karşı dayanıklılıkları hâlâ önemli bir sorundur. Bu tezde, piksel yoğunluklarını değiştirmek yerine pikselleri uzamsal olarak sınırlandırılmış bloklar içinde yeniden düzenleyen karıştırma tabanlı bir kara kutu çekişmeli saldırı çerçevesi önerilmektedir. Önerilen mutasyon operatörü, yerel renk dağılımını korurken FAS modellerinin bağımlı olduğu uzamsal doku düzenini bozmayı hedeflemektedir. Yöntem, gradyana ihtiyaç duymayan dört optimizasyon yaklaşımı olan Yapay Arı Kolonisi (Artificial Bee Colony, ABC), Çoklu Bağımsız Hedef, Genetik Algoritma ve Rastgele Arama algoritmalarıyla birleştirilmiş ve dört farklı FAS mimarisi üzerinde test edilmiştir. Beş sahtecilik türünden seçilen toplam 100 sahte görüntü ile yapılan deneylerde, 1000 ve 5000 sorgu bütçelerinde tüm algoritmaların başarılı çekişmeli örnekler üretebildiği gözlenmiştir. Bulgular, özellikle ABC'nin birçok deney koşulunda rekabetçi veya daha yüksek saldırı başarısı sağladığını göstermektedir. Yapısal Benzerlik İndeksi ve Tepe Sinyal-Gürültü Oranı tabanlı kalite analizleri, üretilen örneklerin orijinal görüntülerle yüksek yapısal ve görsel benzerliğini koruduğunu göstermektedir. Nitel gözlemler de pertürbasyonların belirgin yapay artefaktlar oluşturmadan etkili olabildiğini desteklemektedir. Elde edilen sonuçlar, FAS sistemlerinin yalnızca yoğunluk tabanlı değil, yapı koruyucu uzamsal pertürbasyonlara karşı da savunmasız olabileceğini ortaya koymakta; bu nedenle uzamsal farkındalığı yüksek savunma mekanizmalarına ihtiyaç duyulduğuna işaret etmektedir.
Özet (Çeviri)
Although face anti-spoofing (FAS) systems are widely used in security-critical biometric applications, their robustness against realistic black-box attacks remains a significant challenge. This thesis proposes a shuffle-based black-box adversarial attack framework that rearranges pixels within spatially bounded blocks instead of modifying pixel intensities. The proposed mutation operator aims to disrupt the spatial texture patterns that FAS models depend on while preserving the local color distribution. The method is combined with four gradient-free optimization approaches, namely Artificial Bee Colony (ABC), Many Independent Objective, Genetic Algorithm, and Random Search, and evaluated on four different FAS architectures. Experiments conducted on a total of 100 spoof images selected from five spoofing types show that all algorithms can generate successful adversarial examples under both 1000-query and 5000-query budgets. The findings indicate that ABC provides competitive or higher attack success across many experimental settings. Structural Similarity Index Measure- and Peak Signal-to-Noise Ratio-based quality analyses show that the generated examples preserve high structural and visual similarity to the original images. Qualitative observations further support that the perturbations can remain effective without introducing obvious artificial artifacts. Overall, the results demonstrate that FAS systems may be vulnerable not only to intensity-based perturbations but also to structure-preserving spatial perturbations; therefore, they highlight the need for defense mechanisms with stronger spatial awareness.
Benzer Tezler
- Yüz tanıma sistemleri için derin öğrenme tabanlı 3 boyutlu yüz sahteciliği önleme sistemi geliştirilmesi
Development of deep learning-based 3D face fraud prevention system for face recognition systems
ZEYNEP KOYUN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BETÜL AY
- YOLO algoritması ile SCADA sistemlerinde erişim düzeyi kontrolü
Access level control in SCADA systems with YOLO algorithm
İHSAN FIRAT GÜLÜM
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER AYDOĞDU
- Advanced 3D face anti-spoofing system using hybrid deep neural network and optimization techniques
Hibrit derin sinir ağı ve optimizasyon tekniklerini kullanan gelişmiş 3B yüz sahtekarlığını önleme sistemi
MOHAMMED KAREEM HUSSEIN HUSSEIN
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Development of a 3D scanner based method for analysis the indentations of line samples
Girintili çizgi analizi için 3B tarayıcı tabanlı bir yöntem geliştirilmesi
ILGIM PEKACAR
Yüksek Lisans
İngilizce
2022
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ GELİR
- Derin öğrenme ile resim ve videolar üzerinde derin sahte tespiti
Deep fake detection on pictures and videos with deep learning
METİN BÜYÜKAVCILAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN ÇETİN