Redes generativas adversarias para el estudio de la robustez de métodos de detección de caras
En el presente trabajo, se ha realizado una revisión bibliográfica de ataques de inversión de modelos sobre redes GAN aplicados a modelos de reconocimiento facial. Posteriormente, se ha llevado a cabo un estudio comparativo, con objeto de estudiar la robustez de diversos modelos objetivo frente a es...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universidad de Jaén (UJA) |
| Repositorio: | CREA. Colección de recursos educativos abiertos |
| OAI Identifier: | oai:crea.ujaen.es:10953.1/27439 |
| Acceso en línea: | https://hdl.handle.net/10953.1/27439 |
| Access Level: | acceso abierto |
| Palabra clave: | Inteligencia artificial Informática Análisis de datos 1203.04 Inteligencia artificial 1203.17 Informática 1209.03 Análisis de datos |
| Sumario: | En el presente trabajo, se ha realizado una revisión bibliográfica de ataques de inversión de modelos sobre redes GAN aplicados a modelos de reconocimiento facial. Posteriormente, se ha llevado a cabo un estudio comparativo, con objeto de estudiar la robustez de diversos modelos objetivo frente a este tipo de ataques. Para ello, se han seleccionado distintos modelos objetivo con diferentes niveles de profundidad: VGGNet-16, ResNet-50 y SENet-50. Estas redes objetivo han sido entrenadas con varios conjuntos de datos privados: CelebA, LFW y CFP. De esta manera, ha sido necesario aplicar finetunning, para adaptar estos modelos objetivo a los conjuntos de datos privados seleccionados. Por otro lado, se ha empleado el método de ataque PLG-MI, que es un método multietapa que introduce una estrategia de selección top-n de generación de pseudoetiquetas. Para la generación de estas pseudoetiquetas, se han utilizado los conjuntos de datos públicos: CelebA, LFW, CFP y FFHQ. |
|---|