通过特征脸空间中的零阶优化反演黑盒人脸识别系统

该研究针对仅能获取相似度分数的黑盒人脸识别系统，提出 DarkerBB，在 PCA 构建的特征脸空间中进行零阶优化，以重建彩色人脸图像。基于摘要分析，未取得论文全文。 其核心机制是将图像重建搜索限制在 PCA 衍生的特征脸空间，并利用相似度分数驱动无需梯度的优化。与需要访问模型嵌入的方法相比，本文研究的攻击接口更加受限。摘要未说明 PCA 的构建数据、保留维度、零阶优化算法、目标函数细节及查询预算，这些复现条件尚未验证。 作者报告，在 LFW、AgeDB-30 和 CFP-FP 基准的仅相似度分数设置下，DarkerBB 达到最先进的验证准确率，并具有竞争性的查询效率。摘要未提供具体数值、对照方法、数据划分及验证协议，因此尚不能量化优势或比较不同协议下的表现。验证准确率也不应直接等同于重建图像的视觉质量；两者的评估关系需查阅全文。实验协议、消融及统计信息尚未验证。 论文的主要研究对象是人脸识别系统的模型反演与隐私风险，而非 EEG 或 BCI。现有材料不足以建立其与神经信号解码的具体机制对应关系，不据此推断 BCI 有效性或提出迁移实验建议。