論文の概要: Texture-based Presentation Attack Detection for Automatic Speaker
Verification
- arxiv url: http://arxiv.org/abs/2010.04038v1
- Date: Thu, 8 Oct 2020 15:03:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-09 11:48:18.175196
- Title: Texture-based Presentation Attack Detection for Automatic Speaker
Verification
- Title(参考訳): 自動話者検証のためのテクスチャベース提示検出
- Authors: Lazaro J. Gonzalez-Soler and Jose Patino and Marta Gomez-Barrero and
Massimiliano Todisco and Christoph Busch and Nicholas Evans
- Abstract要約: 本稿では,音声スペクトログラム画像の解析に応用したテクスチャ記述子の探索について報告する。
特に, 生成モデルに基づく一般的な漁獲量ベクトルの特徴空間を提案する。
せいぜい100頭中16頭が拒否され、100頭中1頭のみが受理される。
- 参考スコア(独自算出の注目度): 21.357976330739245
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biometric systems are nowadays employed across a broad range of applications.
They provide high security and efficiency and, in many cases, are user
friendly. Despite these and other advantages, biometric systems in general and
Automatic speaker verification (ASV) systems in particular can be vulnerable to
attack presentations. The most recent ASVSpoof 2019 competition showed that
most forms of attacks can be detected reliably with ensemble classifier-based
presentation attack detection (PAD) approaches. These, though, depend
fundamentally upon the complementarity of systems in the ensemble. With the
motivation to increase the generalisability of PAD solutions, this paper
reports our exploration of texture descriptors applied to the analysis of
speech spectrogram images. In particular, we propose a common fisher vector
feature space based on a generative model. Experimental results show the
soundness of our approach: at most, 16 in 100 bona fide presentations are
rejected whereas only one in 100 attack presentations are accepted.
- Abstract(参考訳): 現在、バイオメトリックシステムは幅広い用途に利用されている。
それらは高いセキュリティと効率を提供し、多くの場合、ユーザフレンドリである。
これらやその他の利点にもかかわらず、一般の生体認証システムや、特に自動話者検証(asv)システムは、プレゼンテーションを攻撃しやすい可能性がある。
最新のASVSpoof 2019コンペティションでは、ほとんどの攻撃はアンサンブル分類器ベースのプレゼンテーションアタック検出(PAD)アプローチで確実に検出できることを示した。
しかし、これらは基本的にはアンサンブルにおけるシステムの相補性に依存する。
本稿では,PADソリューションの汎用性を高める動機として,音声スペクトログラム画像の解析に応用したテクスチャ記述子の探索について報告する。
特に, 生成モデルに基づく一般的な漁獲量ベクトルの特徴空間を提案する。
実験の結果,提案手法の健全性が示され,最大で100件中16件が拒否され,100件中1件が受理された。
関連論文リスト
- SONAR: A Synthetic AI-Audio Detection Framework and Benchmark [59.09338266364506]
SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。
最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供することを目的としている。
従来のモデルとファンデーションベースのディープフェイク検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
論文 参考訳(メタデータ) (2024-10-06T01:03:42Z) - Leveraging Mixture of Experts for Improved Speech Deepfake Detection [53.69740463004446]
スピーチのディープフェイクは、個人のセキュリティとコンテンツの信頼性に重大な脅威をもたらす。
本研究では,Mixture of Expertsアーキテクチャを用いた音声深度検出性能の向上のための新しい手法を提案する。
論文 参考訳(メタデータ) (2024-09-24T13:24:03Z) - DyFFPAD: Dynamic Fusion of Convolutional and Handcrafted Features for Fingerprint Presentation Attack Detection [1.9573380763700712]
ユーザの指紋を同意の有無にかかわらず偽造することにより、提示攻撃を行うことができる。
本稿では,プレゼンテーションアタックを検出するために,深層CNNと手作り特徴の動的アンサンブルを提案する。
提案手法をLiveness Detection Competitionからベンチマークデータベース上で検証した。
論文 参考訳(メタデータ) (2023-08-19T13:46:49Z) - Deep Features for Contactless Fingerprint Presentation Attack Detection:
Can They Be Generalized? [6.668147787950981]
無接触指紋認証システムは、プレゼンテーション攻撃に対して脆弱である。
本稿では,7種類の事前学習型畳み込みニューラルネットワーク (CNN) と視覚変換器 (ViT) の汎用性を比較検討し,提示攻撃を確実に検出する。
論文 参考訳(メタデータ) (2023-07-04T17:46:20Z) - 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) - Face Presentation Attack Detection [59.05779913403134]
顔認識技術は、チェックインやモバイル支払いといった日々の対話的アプリケーションで広く利用されている。
しかしながら、プレゼンテーションアタック(PA)に対する脆弱性は、超セキュアなアプリケーションシナリオにおける信頼性の高い使用を制限する。
論文 参考訳(メタデータ) (2022-12-07T14:51:17Z) - Towards A Conceptually Simple Defensive Approach for Few-shot
classifiers Against Adversarial Support Samples [107.38834819682315]
本研究は,数発の分類器を敵攻撃から守るための概念的簡便なアプローチについて検討する。
本稿では,自己相似性とフィルタリングの概念を用いた簡易な攻撃非依存検出法を提案する。
ミニイメージネット(MI)とCUBデータセットの攻撃検出性能は良好である。
論文 参考訳(メタデータ) (2021-10-24T05:46:03Z) - On the Generalisation Capabilities of Fisher Vector based Face
Presentation Attack Detection [13.93832810177247]
顔提示攻撃検出技術は、既知の提示攻撃機器で評価されたときに良好な検出性能を報告しています。
本研究では,フィッシャーベクトルに基づく特徴空間を,コンパクトな2値化統計画像から計算し,ヒストグラムを用いた。
フリーで利用可能な顔データベースから取られた未知の攻撃に挑戦するために評価されたこの新しい表現は、有望な結果を示している。
論文 参考訳(メタデータ) (2021-03-02T13:49:06Z) - Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。
オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
論文 参考訳(メタデータ) (2021-02-01T09:17:18Z) - 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) - Anomaly Detection with Convolutional Autoencoders for Fingerprint
Presentation Attack Detection [11.879849130630406]
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。
論文 参考訳(メタデータ) (2020-08-18T15:33:41Z)
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。