論文の概要: DeFraudNet:End2End Fingerprint Spoof Detection using Patch Level Attention

• arxiv url: http://arxiv.org/abs/2002.08214v1
• Date: Wed, 19 Feb 2020 14:41:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-30 14:12:24.456310
• Title: DeFraudNet:End2End Fingerprint Spoof Detection using Patch Level Attention
• Title（参考訳）: パッチレベルアテンションを用いたDeFraudNet:End2Endフィンガープリントスポット検出
• Authors: B.V.S Anusha, Sayan Banerjee, Subhasis Chaudhuri
• Abstract要約: クロスセンサーとクロスマテリアルスプーフ検出は、指紋認識システムにとって依然として課題となっている。 本稿では,グローバルな指紋特徴記述子とローカルな指紋特徴記述子を用いた指紋スプーフ検出手法を提案する。 新たなパッチアテンションネットワークは、最も識別性の高いパッチの発見や、ネットワーク融合にも使用される。
• 参考スコア（独自算出の注目度）: 11.978082858160572
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, fingerprint recognition systems have made remarkable advancements in the field of biometric security as it plays an important role in personal, national and global security. In spite of all these notable advancements, the fingerprint recognition technology is still susceptible to spoof attacks which can significantly jeopardize the user security. The cross sensor and cross material spoof detection still pose a challenge with a myriad of spoof materials emerging every day, compromising sensor interoperability and robustness. This paper proposes a novel method for fingerprint spoof detection using both global and local fingerprint feature descriptors. These descriptors are extracted using DenseNet which significantly improves cross-sensor, cross-material and cross-dataset performance. A novel patch attention network is used for finding the most discriminative patches and also for network fusion. We evaluate our method on four publicly available datasets:LivDet 2011, 2013, 2015 and 2017. A set of comprehensive experiments are carried out to evaluate cross-sensor, cross-material and cross-dataset performance over these datasets. The proposed approach achieves an average accuracy of 99.52%, 99.16% and 99.72% on LivDet 2017,2015 and 2011 respectively outperforming the current state-of-the-art results by 3% and 4% for LivDet 2015 and 2011 respectively.
• Abstract（参考訳）: 近年,指紋認証システムは生体認証の分野において,個人的,国家的,世界的セキュリティにおいて重要な役割を担っているため,顕著な進歩を遂げている。 こうした顕著な進歩にもかかわらず、指紋認識技術はいまだにユーザーのセキュリティを著しく損なうスプーフ攻撃の影響を受けやすい。 クロスセンサーとクロスマテリアルのspoof検出は、センサーの相互運用性と堅牢性を損なうことなく、毎日無数のspoof材料が登場し、依然として課題となっている。 本稿では,グローバルおよびローカルの指紋特徴記述子を用いた新しい指紋スプーフ検出法を提案する。 これらの記述子は、クロスセンサー、クロスマテリアル、クロスデータセットのパフォーマンスを大幅に改善するDenseNetを使用して抽出される。 新たなパッチアテンションネットワークは、最も識別可能なパッチの発見や、ネットワーク融合にも使用される。 LivDet 2011, 2013, 2017の4つの公開データセットに対して, 提案手法の評価を行った。 これらのデータセットに対するクロスセンサ,クロスマテリアル,クロスデータセットのパフォーマンスを評価するために,一連の総合的な実験を行った。 提案手法は、LivDet 2017, 2015, 2011における平均精度99.52%、99.16%、99.72%をそれぞれ、現在の最先端の結果を3%、LivDet 2015, 2011で4%上回っている。

関連論文リスト

• Latent fingerprint enhancement for accurate minutiae detection [8.996826918574463]
  本稿では,GAN(Generative Adversary Network)を用いてLFE(Latent Fingerprint Enhancement)を再定義する手法を提案する。 生成過程の微妙な情報を直接最適化することにより、このモデルは、地味な事例に対して例外的な忠実さを示す強化された潜伏指紋を生成する。 筆者らのフレームワークは, 微小な位置と配向場を統合し, 局所的および構造的指紋の特徴の保存を確実にする。
  論文  参考訳（メタデータ） (2024-09-18T08:35:31Z)
• Attention Consistency Refined Masked Frequency Forgery Representation for Generalizing Face Forgery Detection [96.539862328788]
  既存の偽造検出方法は、未確認領域の真正性を決定する不満足な一般化能力に悩まされている。 ACMF(Attention Consistency Refined masked frequency forgery representation model)を提案する。 いくつかのパブリックフェイスフォージェリーデータセットの実験結果から,提案手法の性能は最先端の手法と比較して優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-21T08:58:49Z)
• An Open Patch Generator based Fingerprint Presentation Attack Detection using Generative Adversarial Network [3.5558308387389626]
  自動指紋認識システム(AFRS)のセンサに本物の指紋の偽造を提示することによる脅威の一つに、提示攻撃(PA)または偽造(spoofing)がある。 本稿では、GAN(Generative Adversarial Network)を用いて、提案したOpen Patch Generator(OPG)から生成されたスプーフサンプルを用いてデータセットを増強するCNNベースの手法を提案する。 96.20%、94.97%、92.90%の精度は、それぞれLivDetプロトコルのシナリオの下で、LivDet 2015、2017、2019データベースで達成されている。
  論文  参考訳（メタデータ） (2023-06-06T10:52:06Z)
• MoSFPAD: An end-to-end Ensemble of MobileNet and Support Vector Classifier for Fingerprint Presentation Attack Detection [2.733700237741334]
  本稿では,指紋攻撃を検知する新しいエンドツーエンドモデルを提案する。 提案モデルでは,MobileNetを特徴抽出器として,Support Vectorを分類器として組み込んだ。 提案モデルの性能を最先端の手法と比較する。
  論文  参考訳（メタデータ） (2023-03-02T18:27:48Z)
• SpoofGAN: Synthetic Fingerprint Spoof Images [47.87570819350573]
  指紋スプーフ検出の進歩に対する大きな制限は、公開可能な大規模な指紋スプーフデータセットの欠如である。 この研究は、これらのアルゴリズムに十分なデータを供給する際に、合成指紋(ライブ指紋とスプーフ指紋の両方)の有用性を実証することを目的としている。
  論文  参考訳（メタデータ） (2022-04-13T16:27:27Z)
• A high performance fingerprint liveness detection method based on quality related features [66.41574316136379]
  このシステムは、10,500枚以上の実画像と偽画像からなる非常に難しいデータベースでテストされている。 提案手法はマルチシナリオデータセットに対して堅牢であることが証明され、全体の90%が正しく分類されたサンプルである。
  論文  参考訳（メタデータ） (2021-11-02T21:09:39Z)
• ProxyFAUG: Proximity-based Fingerprint Augmentation [81.15016852963676]
  ProxyFAUGはルールベースで近接性に基づく指紋増強法である。 このデータセット上で最高のパフォーマンスの測位法は、中央値エラーで40%改善され、平均誤差で6%向上した。
  論文  参考訳（メタデータ） (2021-02-04T15:59:30Z)
• Responsible Disclosure of Generative Models Using Scalable Fingerprinting [70.81987741132451]
  深層生成モデルは質的に新しいパフォーマンスレベルを達成した。 この技術がスプーフセンサーに誤用され、ディープフェイクを発生させ、大規模な誤情報を可能にするという懸念がある。 最先端のジェネレーションモデルを責任を持って公開することで、研究者や企業がモデルに指紋を刻むことができます。
  論文  参考訳（メタデータ） (2020-12-16T03:51:54Z)
• Fingerprint Presentation Attack Detection: A Sensor and Material Agnostic Approach [44.46178415547532]
  クロスマテリアルとクロスセンサの一般化を改良した,堅牢なプレゼンテーションアタック検出(PAD)ソリューションを提案する。 具体的には,指紋スプーフ検出とクロスマテリアルスプーフ一般化を併用して,指紋スプーフ検出を訓練したCNNベースのアーキテクチャを構築した。 また,DNN(Deep Neural Network)にARL(Adversarial Expression Learning)を組み込んで,PADのセンサおよび材料不変表現を学習する。
  論文  参考訳（メタデータ） (2020-04-06T19:03:05Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。