論文の概要: Anomaly Detection with Convolutional Autoencoders for Fingerprint Presentation Attack Detection

• arxiv url: http://arxiv.org/abs/2008.07989v2
• Date: Mon, 19 Oct 2020 14:08:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 21:04:12.520191
• Title: Anomaly Detection with Convolutional Autoencoders for Fingerprint Presentation Attack Detection
• Title（参考訳）: 指紋提示攻撃検出のための畳み込みオートエンコーダによる異常検出
• Authors: Jascha Kolberg and Marcel Grimmer and Marta Gomez-Barrero and Christoph Busch
• Abstract要約: 提示攻撃検出(PAD)法は、ボナファイド被検体由来のサンプルと、提示攻撃装置(PAI)由来のサンプルとを判定するために用いられる。 短波長赤外領域で捕獲されたボナファイドサンプル(すなわち1クラス)にのみ訓練されたオートエンコーダ(AE)に基づく新しいPAD手法を提案する。
• 参考スコア（独自算出の注目度）: 11.879849130630406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, the popularity of fingerprint-based biometric authentication systems significantly increased. However, together with many advantages, biometric systems are still vulnerable to presentation attacks (PAs). In particular, this applies for unsupervised applications, where new attacks unknown to the system operator may occur. Therefore, presentation attack detection (PAD) methods are used to determine whether samples stem from a bona fide subject or from a presentation attack instrument (PAI). In this context, most works are dedicated to solve PAD as a two-class classification problem, which includes training a model on both bona fide and PA samples. In spite of the good detection rates reported, these methods still face difficulties detecting PAIs from unknown materials. To address this issue, we propose a new PAD technique based on autoencoders (AEs) trained only on bona fide samples (i.e. one-class), which are captured in the short wave infrared domain. On the experimental evaluation over a database of 19,711 bona fide and 4,339 PA images including 45 different PAI species, a detection equal error rate (D-EER) of 2.00% was achieved. Additionally, our best performing AE model is compared to further one-class classifiers (support vector machine, Gaussian mixture model). The results show the effectiveness of the AE model as it significantly outperforms the previously proposed methods.
• Abstract（参考訳）: 近年,指紋ベースの生体認証システムの普及が著しく進んでいる。 しかし、多くの利点とともに、生体認証システムはプレゼンテーションアタック(PA)に対して脆弱である。 特に、これは教師なしのアプリケーションに適用され、システムオペレーターに未知の新しい攻撃が発生する可能性がある。 したがって、提示攻撃検出(PAD)法を用いて、ボナファイド被検体由来のサンプルと、提示攻撃装置(PAI)由来のサンプルとを判定する。 この文脈では、ほとんどの研究はPADを2段階の分類問題として解くことを目的としており、これはボナフィドとPAサンプルの両方でモデルを訓練することを含む。 優れた検出率は報告されているが、これらの手法は未知の物質からPAIを検出するのに依然として困難に直面している。 この問題に対処するために,短波赤外線領域で捕捉されるボナファイドサンプル(すなわち1クラス)にのみ訓練されたオートエンコーダ(AE)に基づく新しいPAD手法を提案する。 19,711fideおよび45種のpai種を含む4,339pa画像のデータベース上での実験評価を行った結果,検出誤差率(d-eer)は2.00%であった。 さらに,AEモデルの性能向上を,さらに一級分類器(支援ベクトルマシン,ガウス混合モデル)と比較した。 その結果, aeモデルの有効性は, 提案手法を大きく上回ることがわかった。

関連論文リスト

• Unsupervised Fingerphoto Presentation Attack Detection With Diffusion Models [8.979820109339286]
  スマートフォンベースの非接触指紋認証は、従来のコンタクトベースの指紋生体認証システムに代わる信頼性の高い方法となっている。 その便利さにもかかわらず、指紋認証による指紋認証は、プレゼンテーション攻撃に対してより脆弱である。 我々は、最先端のディープラーニングに基づく拡散モデル、Denoising Probabilistic Diffusion Model (DDPM)に基づく新しい教師なしアプローチを提案する。 提案手法は,DDPMの入力対と出力対の再構成類似性を算出し,提示攻撃(PA)を検出する。
  論文  参考訳（メタデータ） (2024-09-27T11:07:48Z)
• AdvQDet: Detecting Query-Based Adversarial Attacks with Adversarial Contrastive Prompt Tuning [93.77763753231338]
  CLIP画像エンコーダを微調整し、2つの中間対向クエリに対して同様の埋め込みを抽出するために、ACPT(Adversarial Contrastive Prompt Tuning)を提案する。 我々は,ACPTが7つの最先端クエリベースの攻撃を検出できることを示す。 また,ACPTは3種類のアダプティブアタックに対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2024-08-04T09:53:50Z)
• Contactless Fingerprint Biometric Anti-Spoofing: An Unsupervised Deep Learning Approach [0.0]
  本稿では、教師なしオートエンコーダと畳み込みブロックアテンションモジュールを組み合わせた革新的なアンチスプーフィング手法を提案する。 このスキームは平均で0.96%のBPCERを達成し、様々な種類のスプーフサンプルを含むプレゼンテーション攻撃では1.6%のAPCERを達成している。
  論文  参考訳（メタデータ） (2023-11-07T17:19:59Z)
• Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。 本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。 本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
  論文  参考訳（メタデータ） (2023-06-06T14:23:34Z)
• Threatening Patch Attacks on Object Detection in Optical Remote Sensing Images [55.09446477517365]
  自然画像における物体検出における高度なパッチアタック(PA)は、ディープニューラルネットワークに基づく手法における大きな安全性の脆弱性を指摘した。 我々は,TPAと呼ばれる視覚的品質の低下を伴わない,より危険度の高いPAを提案する。 我々の知る限りでは、これがO-RSIにおけるオブジェクト検出におけるPAの研究の最初の試みであり、この研究が読者にこのトピックの研究に興味を持たせることを願っている。
  論文  参考訳（メタデータ） (2023-02-13T02:35:49Z)
• MixDefense: A Defense-in-Depth Framework for Adversarial Example Detection Based on Statistical and Semantic Analysis [14.313178290347293]
  AE検出のための多層ディフェンス・イン・ディープス・フレームワーク(MixDefense)を提案する。 入力から抽出した雑音の特徴を利用して、自然画像と改ざん画像の統計的差異を抽出し、AE検出を行う。 提案したMixDefenseソリューションは,既存のAE検出技術よりもかなり優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-20T15:57:07Z)
• Detection of Adversarial Supports in Few-shot Classifiers Using Feature Preserving Autoencoders and Self-Similarity [89.26308254637702]
  敵対的なサポートセットを強調するための検出戦略を提案する。 我々は,特徴保存型オートエンコーダフィルタリングと,この検出を行うサポートセットの自己相似性の概念を利用する。 提案手法は攻撃非依存であり, 最善の知識まで, 数発分類器の検出を探索する最初の方法である。
  論文  参考訳（メタデータ） (2020-12-09T14:13:41Z)
• On the Generalisation Capabilities of Fingerprint Presentation Attack Detection Methods in the Short Wave Infrared Domain [13.351759885287526]
  ボナフィドとアタックを区別するためには,提示攻撃検出法が最も重要である。 我々は,PAI種45種を含む19,711個のボナフィドと4,339個のPAサンプルを用いて,複数のPADアルゴリズムの汎用性を評価した。
  論文  参考訳（メタデータ） (2020-10-19T14:50:24Z)
• Anomaly Detection-Based Unknown Face Presentation Attack Detection [74.4918294453537]
  異常検出に基づくスプーフ攻撃検出は、顔提示攻撃検出の最近の進歩である。 本稿では,異常検出に基づくスプーフ攻撃検出のためのディープラーニングソリューションを提案する。 提案手法はCNNの表現学習能力の恩恵を受け,fPADタスクの優れた特徴を学習する。
  論文  参考訳（メタデータ） (2020-07-11T21:20:55Z)
• A Survey on Unknown Presentation Attack Detection for Fingerprint [4.424609902825527]
  バイオメトリックス研究者は、プレゼンテーションアタック(PA)対策として、プレゼンテーションアタック検出(PAD)法を開発した。 PADは通常、特定のデータセットに対する既知の攻撃のために機械学習分類器をトレーニングすることで行われ、高い精度を達成する。 本稿では,指紋認証システムにおける既存のPADアルゴリズムについて,特に未知のPAD検出の観点から総合的な調査を行う。
  論文  参考訳（メタデータ） (2020-05-17T18:46:23Z)
• Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
  本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。 我々は,再建基準の代替として,異常スコアの代替尺度を提案した。 提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2020-03-24T08:26:58Z)

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。