在日常生活中,独特的生物信息通常用于身份认证,如面部图像、指纹、虹膜、声纹,等等。与其他生物信息相比,面部图像有以下优点:降低购置成本,更多的信息,也没有身体接触。因此,面部图像被广泛用于标识和身份验证服务。新的应用程序,比如面对付款,面对检索,和脸登记出现,全面进入日常生活;“脸刷牙时代”已经到来。

然而,这些应用程序的安全威胁与数字图像编辑技术的快速发展和软件。不仅有传统的软件像Photoshop,但也一些新兴软件如面对面,FaceSwap, DeepFake,等等,可以创建实际的面孔或修改面部细节。然后,甚至一个非专业的人可以轻松地生成高质量面部图像进行各种攻击,如表示攻击、变形攻击,对手的攻击,等等。面部图像取证研究具有重要意义,打击违法犯罪活动。

这个特殊的问题将提供一个重要的集体贡献脸图像取证和安全领域和重点是数据驱动的方法使用机器学习。最初的研究和评论文章是受欢迎的。

潜在的主题包括但不限于以下:

• GAN-generated人脸检测
• 一代面对敌对的例子
• 面对对手的例子复苏
• 数字操纵面检测和定位
• 面部身份互换取证
• 面部合成取证
• 面部属性操作取证
• 面部表情交换取证
• 面部变形攻击取证
• 面活性检测