每日论文 | 指纹图像攻击器DeepMasterPrints；解决Lipschitz函数估计问题；用神经信号评估GAN

1

DeepMasterPrints: Generating MasterPrints for Dictionary Attacks via Latent Variable Evolution

最近有研究表明，指纹识别系统在基于MasterPrints的攻击下会表现出脆弱性。MasterPrints是真实或合成过的指纹，这样就可以和大量指纹匹配，削弱指纹识别系统的安全性。此前，Roy等人创建的合成MasterPrints是在特征水平上的，在这篇论文中，我们生成了完全图像级别的MasterPrints，称为DeepMasterPrints，它的攻击精确度比之前的方法更高。

地址：https://arxiv.org/abs/1705.07386

2

Sorting out Lipschitz function approximation

训练针对Lipschitz的神经网络对边界生成、对抗稳定性、可解释梯度和Wasserstein距离估计都很有帮助。根据Lipschitz函数的组合性质，我们用GroupSort当做激活函数的Lipschitz神经网络架构，相比ReLU能实现对Wasserstein距离更严格的估计。

地址：https://arxiv.org/abs/1811.05381

3

Use of Neural Signals to Evaluate the Quality of Generative Adversarial Network Performance in Facial Image Generation

用GAN生成逼真图像已成为热门研究话题了，目前为止已经有多种GAN的变体能够实现这一目标。但是想评估GAN非常困难，因为目前的衡量输出质量的方法并不能反映出人类所看到的事物。我们提出了一种应用于脑机界面的新方法，可以生成一个神经分数，在区分真实图片和合成图片中接近人类水平。

地址：https://arxiv.org/abs/1811.04172

星标论智，每天获取最新资讯