基于对抗攻击的社交认证安全方案研究

社交网络服务(SNS)如Facebook、微信正在逐步融入人们的生活,基于用户的社交信息,新型的社交认证系统可以利用用户好友等社交知识对用户身份进行认证.然而,黑客可以利用用户在社交网络中公开的大量社交图片信息,训练卷积神经网络用以推测好友姓名等社交知识,从而实现对用户社交认证系统的攻击.基于Grad-Cam和DeepFool算法,提出一种新的图像对抗攻击算法Lpixel attack,通过修改小图像关键区域产生小干扰范围的对抗样本,在保证用户成功识别的基础上导致模型攻击失效.实验表明提出的算法能够有效防御基于卷积神经网络的社交认证攻击,从而保证社交系统账户的安全性.