論文の概要: On the Influence of Ageing on Face Morph Attacks: Vulnerability and
Detection
- arxiv url: http://arxiv.org/abs/2007.02684v2
- Date: Sat, 19 Sep 2020 16:56:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-13 03:20:33.806630
- Title: On the Influence of Ageing on Face Morph Attacks: Vulnerability and
Detection
- Title(参考訳): 顔形態攻撃に対する加齢の影響について:脆弱性と検出
- Authors: Sushma Venkatesh, Kiran Raja, Raghavendra Ramachandra, Christoph Busch
- Abstract要約: 顔認識システム(FRS)は境界制御アプリケーションに広く採用されている。
顔形態形成工程は、複数のデータ被験者の画像を使用し、画像ブレンディング操作を行い、高品質な画像を生成する。
生成した形態画像は、合成画像に寄与するデータ対象の生体特性と類似した視覚特性を示す。
- 参考スコア(独自算出の注目度): 12.936155415524937
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face morphing attacks have raised critical concerns as they demonstrate a new
vulnerability of Face Recognition Systems (FRS), which are widely deployed in
border control applications. The face morphing process uses the images from
multiple data subjects and performs an image blending operation to generate a
morphed image of high quality. The generated morphed image exhibits similar
visual characteristics corresponding to the biometric characteristics of the
data subjects that contributed to the composite image and thus making it
difficult for both humans and FRS, to detect such attacks. In this paper, we
report a systematic investigation on the vulnerability of the
Commercial-Off-The-Shelf (COTS) FRS when morphed images under the influence of
ageing are presented. To this extent, we have introduced a new morphed face
dataset with ageing derived from the publicly available MORPH II face dataset,
which we refer to as MorphAge dataset. The dataset has two bins based on age
intervals, the first bin - MorphAge-I dataset has 1002 unique data subjects
with the age variation of 1 year to 2 years while the MorphAge-II dataset
consists of 516 data subjects whose age intervals are from 2 years to 5 years.
To effectively evaluate the vulnerability for morphing attacks, we also
introduce a new evaluation metric, namely the Fully Mated Morphed Presentation
Match Rate (FMMPMR), to quantify the vulnerability effectively in a realistic
scenario. Extensive experiments are carried out by using two different COTS FRS
(COTS I - Cognitec and COTS II - Neurotechnology) to quantify the vulnerability
with ageing. Further, we also evaluate five different Morph Attack Detection
(MAD) techniques to benchmark their detection performance with ageing.
- Abstract(参考訳): 顔モーフィング攻撃は、境界制御アプリケーションに広くデプロイされている顔認識システム(FRS)の新たな脆弱性を示すため、重大な懸念を引き起こしている。
顔形態形成プロセスは、複数のデータ被写体からの画像を使用し、画像混合操作を行い、高品質な形態画像を生成する。
生成した形態画像は、合成画像に寄与するデータ対象の生体特性に類似した視覚特性を示し、人間とFRSの両方がそのような攻撃を検出するのを困難にしている。
本稿では,老化の影響下での変形画像に対するcots(commercial-off-the-shelf)frsの脆弱性について体系的に検討する。
そこで我々は,MorphAgeデータセットと呼ぶ,MORPH II顔データセットから得られた年齢変化を考慮した新しい形態付き顔データセットを導入した。
データセットには、年齢間隔に基づく2つのビンがあり、最初のbin - morphage-iデータセットは、年齢変化が1年から2年の1002のユニークなデータセットを持ち、morphage-iiデータセットは、年齢間隔が2年から5年の516のデータセットで構成されている。
モーフィング攻撃の脆弱性を効果的に評価するために、現実的なシナリオにおいてその脆弱性を効果的に定量化するために、新しい評価指標であるFMMPMR(Fully Mated Morphed Presentation Match Rate)を導入する。
2つの異なるCOTS FRS(COTS I - Cognitec と COTS II - Neurotechnology)を用いて、脆弱性を加齢とともに定量化する。
さらに,5種類のMorph Detection Detection (MAD) 技術を評価し,その検出性能を加齢とともに評価した。
関連論文リスト
- DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis [71.40724659748787]
DiffusionFaceは、最初の拡散ベースのフェイスフォージェリーデータセットである。
非条件およびテキストガイドの顔画像生成、Img2Img、Inpaint、Diffusionベースの顔交換アルゴリズムなど、さまざまなフォージェリーカテゴリをカバーする。
重要なメタデータと、評価のための実世界のインターネットソースの偽顔画像データセットを提供する。
論文 参考訳(メタデータ) (2024-03-27T11:32:44Z) - Face Morphing Attack Detection with Denoising Diffusion Probabilistic
Models [0.0]
モールフされた顔画像は、様々な悪意のある目的のために誰かの身元を偽装するために使用することができる。
既存のMAD技術は、ボナフィドやモルフィド画像の例から学ぶ識別モデルに依存している。
本研究では,ボナファイド画像の特徴からのみ学習できる新しい拡散型MAD法を提案する。
論文 参考訳(メタデータ) (2023-06-27T18:19:45Z) - MorphGANFormer: Transformer-based Face Morphing and De-Morphing [55.211984079735196]
顔変形に対するスタイルGANベースのアプローチが主要な技術である。
本稿では,顔の変形に対する変換器ベースの代替手段を提案し,その利点をStyleGANベースの方法と比較した。
論文 参考訳(メタデータ) (2023-02-18T19:09:11Z) - Leveraging Diffusion For Strong and High Quality Face Morphing Attacks [2.0795007613453445]
顔形態攻撃は、2つの異なるアイデンティティから生体特性からなる形態像を提示することにより、顔認識(FR)システムを騙そうとする。
画像の視覚的忠実度を改善するために拡散型アーキテクチャを用いた新しいモーフィング攻撃を提案する。
論文 参考訳(メタデータ) (2023-01-10T21:50:26Z) - Surveillance Face Anti-spoofing [81.50018853811895]
Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。
本稿では,画像品質による性能劣化を軽減するために,コントラスト品質不変学習(CQIL)ネットワークを提案する。
多くの実験がSuHiFiMaskデータセットの品質と提案したCQILの優位性を検証する。
論文 参考訳(メタデータ) (2023-01-03T07:09:57Z) - Face Morphing Attacks and Face Image Quality: The Effect of Morphing and
the Unsupervised Attack Detection by Quality [6.889667606945215]
形態形成過程が知覚的画像品質と顔認識における画像有用性の両方に影響を及ぼす可能性を理論的に論じる。
本研究は、顔画像品質測定と顔画像有効性測定の両方を含む、顔画像品質に対するモーフィングの効果を広範囲に分析する。
本研究は、この効果に基づいて、品質スコアに基づいて、教師なしモーフィング攻撃検出(MAD)を行う可能性について検討する。
論文 参考訳(メタデータ) (2022-08-11T15:12:50Z) - Are GAN-based Morphs Threatening Face Recognition? [3.0921354926071274]
本稿では,4種類のモーフィング攻撃のためのデータセットと対応するコードを提供することにより,このギャップを埋める。
また、4つの最先端の顔認識システムの脆弱性を評価するための広範囲な実験を行った。
論文 参考訳(メタデータ) (2022-05-05T08:19:47Z) - DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。
大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。
同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
論文 参考訳(メタデータ) (2020-09-20T09:48:24Z) - The FaceChannel: A Fast & Furious Deep Neural Network for Facial
Expression Recognition [71.24825724518847]
顔の表情の自動認識(FER)の最先端モデルは、非常に深いニューラルネットワークに基づいており、訓練には効果的だがかなり高価である。
私たちは、一般的なディープニューラルネットワークよりもはるかに少ないパラメータを持つ軽量ニューラルネットワークであるFaceChannelを形式化します。
我々は、私たちのモデルがFERの現在の最先端技術に匹敵するパフォーマンスを達成する方法を実証する。
論文 参考訳(メタデータ) (2020-09-15T09:25:37Z) - MIPGAN -- Generating Strong and High Quality Morphing Attacks Using
Identity Prior Driven GAN [22.220940043294334]
本稿では,アイデンティティ優先型生成適応ネットワークを用いた攻撃生成手法を提案する。
提案するMIPGANは、知覚的品質と識別因子を利用した新たに定式化された損失関数であるStyleGANから派生した。
提案手法は,商用およびディープラーニングベースの顔認識システムに対して,その脆弱性を評価することによって,強力なモーフィング攻撃を発生させることが可能であることを示す。
論文 参考訳(メタデータ) (2020-09-03T15:08:38Z) - Multi-Scale Thermal to Visible Face Verification via Attribute Guided
Synthesis [55.29770222566124]
可視画像から抽出した属性を用いて、熱画像から属性保存された可視画像を合成し、クロスモーダルマッチングを行う。
抽出した属性によって導かれる熱画像から可視像を合成するために, 新規なマルチスケールジェネレータを提案する。
事前訓練されたVGG-Faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出し、検証を行う。
論文 参考訳(メタデータ) (2020-04-20T01:45:05Z)
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。