简单外观操纵下的人脸年龄验证漏洞

在线平台越来越依赖自动年龄估算系统来执行最低年龄政策。重点关注为此任务设计的基于视觉的模型，人们担心它们对简单外观变化的鲁棒性，未成年人可能会利用这些变化来绕过此类系统，例如画胡子或涂口红。在这项工作中，我们通过模拟未成年人可以轻松实现的视觉变化，对年龄验证的稳健性进行了系统研究。我们在三个数据集和四种操作类型中评估了七个模型，包括视觉、视觉语言和多模态 大语言模型。有趣的是，在胡茬未拉长的情况下，高达 61% 的真阴性结果会变成假阳性结果。此外，我们调查了不同的人口统计数据如何受到此类操纵的影响，发现印度人更容易受到胡茬操纵的影响，而在所有操纵中，女性比男性受到的影响更大。最后，我们探讨了如何在轻量级线性探头设置中使用偏差缓解方法来减轻这些偏差。