論文の概要: On the Generalisation Capabilities of Fisher Vector based Face Presentation Attack Detection

• arxiv url: http://arxiv.org/abs/2103.01721v1
• Date: Tue, 2 Mar 2021 13:49:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-05 06:31:13.067082
• Title: On the Generalisation Capabilities of Fisher Vector based Face Presentation Attack Detection
• Title（参考訳）: フィッシャーベクトルに基づく顔提示攻撃検出の一般化について
• Authors: L\'azaro J. Gonz\'alez-Soler, Marta Gomez-Barrero, Christoph Busch
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 13.93832810177247
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the last decades, the broad development experienced by biometric systems has unveiled several threats which may decrease their trustworthiness. Those are attack presentations which can be easily carried out by a non-authorised subject to gain access to the biometric system. In order to mitigate those security concerns, most face Presentation Attack Detection techniques have reported a good detection performance when they are evaluated on known Presentation Attack Instruments (PAI) and acquisition conditions, in contrast to more challenging scenarios where unknown attacks are included in the test set. For those more realistic scenarios, the existing algorithms face difficulties to detect unknown PAI species in many cases. In this work, we use a new feature space based on Fisher Vectors, computed from compact Binarised Statistical Image Features histograms, which allow discovering semantic feature subsets from known samples in order to enhance the detection of unknown attacks. This new representation, evaluated for challenging unknown attacks taken from freely available facial databases, shows promising results: a BPCER100 under 17% together with an AUC over 98% can be achieved in the presence of unknown attacks. In addition, by training a limited number of parameters, our method is able to achieve state-of-the-art deep learning-based approaches for cross-dataset scenarios.
• Abstract（参考訳）: 過去数十年間、生体認証システムによって経験された幅広い発展は、信頼性を低下させるいくつかの脅威を明らかにしてきた。 これらは、バイオメトリックシステムにアクセスする権限のない被験者によって簡単に実行できる攻撃プレゼンテーションです。 これらのセキュリティ上の懸念を軽減するため、ほとんどの顔提示攻撃検出技術は、既知の提示攻撃機器(PAI)および取得条件で評価された場合、未知の攻撃がテストセットに含まれるようなより困難なシナリオとは対照的に、優れた検出性能を報告している。 より現実的なシナリオでは、既存のアルゴリズムは未知のPAI種を検出するのに困難に直面します。 本研究では,2値化統計画像特徴ヒストグラムから計算したフィッシャーベクトルに基づく新しい特徴空間を用いて,未知の攻撃の検出を強化するために,既知のサンプルから意味的特徴部分集合を検出する。 この新たな表現は、無料で利用可能な顔データベースから得られる未知の攻撃に対して評価され、有望な結果を示している: AUCと17%未満のBPCER100と98%以上のAUCは、未知の攻撃の存在下で達成できる。 さらに,限られた数のパラメータをトレーニングすることにより,クロスデータセットシナリオに対する最先端のディープラーニングベースのアプローチを実現することができる。

関連論文リスト

• Meta-Learning Approaches for Improving Detection of Unseen Speech Deepfakes [9.894633583748895]
  現在の音声ディープフェイク検出手法は、既知の相手に対して良好に機能する。 ソーシャルメディア上でのスピーチのディープフェイクの拡散は、目に見えない攻撃に一般化できるシステムの必要性を浮き彫りにしている。 我々はメタラーニングの観点からこの問題に対処し、非常に少ないサンプルで、目に見えない攻撃に適応するために攻撃不変の機能を学ぶことを目的としている。
  論文  参考訳（メタデータ） (2024-10-27T20:14:32Z)
• Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
  模倣攻撃は 不正な識別と その後の攻撃者の認証につながる 顔認識と同様に、模倣攻撃も機械学習で検出できる。 本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:26:10Z)
• Imperceptible Face Forgery Attack via Adversarial Semantic Mask [59.23247545399068]
  本稿では, 対向性, 可視性に優れた対向性例を生成できるASMA(Adversarial Semantic Mask Attack framework)を提案する。 具体的には, 局所的なセマンティック領域の摂動を抑制し, 良好なステルス性を実現する, 対向型セマンティックマスク生成モデルを提案する。
  論文  参考訳（メタデータ） (2024-06-16T10:38:11Z)
• Corpus Poisoning via Approximate Greedy Gradient Descent [48.5847914481222]
  本稿では,HotFlip法をベースとした高密度検索システムに対する新たな攻撃手法として,近似グレディ・グラディエント・Descentを提案する。 提案手法は,複数のデータセットと複数のレトリバーを用いて高い攻撃成功率を達成し,未知のクエリや新しいドメインに一般化可能であることを示す。
  論文  参考訳（メタデータ） (2024-06-07T17:02:35Z)
• Robust Adversarial Attacks Detection for Deep Learning based Relative Pose Estimation for Space Rendezvous [8.191688622709444]
  本稿では,ディープニューラルネットワークを用いた相対ポーズ推定手法の逆攻撃検出のための新しい手法を提案する。 提案した対向攻撃検出器は99.21%の精度で検出できる。
  論文  参考訳（メタデータ） (2023-11-10T11:07:31Z)
• Attacking Face Recognition with T-shirts: Database, Vulnerability Assessment and Detection [0.0]
  我々は,100のユニークな提示攻撃器を用いた1,608のTシャツ攻撃の新しいTシャツ顔提示攻撃データベースを提案する。 このような攻撃は、顔認識システムのセキュリティを損なう可能性があり、いくつかの最先端の攻撃検出メカニズムが、新しい攻撃に対して堅牢に一般化できないことを示す。
  論文  参考訳（メタデータ） (2022-11-14T14:11:23Z)
• Random Projections for Adversarial Attack Detection [8.684378639046644]
  敵の攻撃検出は 2つの観点から 根本的な問題です 本稿では,無作為射影の特殊特性を利用して,清潔で敵対的な例の挙動を特徴付ける手法を提案する。 性能評価は私達の技術が($>0.92$ AUC)技術(SOTA)攻撃戦略の競争状態を上回っていることを示します。
  論文  参考訳（メタデータ） (2020-12-11T15:02:28Z)
• Learning to Separate Clusters of Adversarial Representations for Robust Adversarial Detection [50.03939695025513]
  本稿では,最近導入された非破壊的特徴を動機とした新しい確率的対向検出器を提案する。 本稿では,非ロバスト特徴を逆例の共通性と考え,その性質に対応する表現空間におけるクラスターの探索が可能であることを推定する。 このアイデアは、別のクラスタ内の逆表現の確率推定分布を導出し、その分布を確率に基づく逆検出器として活用する。
  論文  参考訳（メタデータ） (2020-12-07T07:21:18Z)
• MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
  我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。 提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
  論文  参考訳（メタデータ） (2020-10-25T23:01:13Z)
• 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)
• Towards Transferable Adversarial Attack against Deep Face Recognition [58.07786010689529]
  ディープ畳み込みニューラルネットワーク(DCNN)は敵の例に弱いことが判明した。 転送可能な敵の例は、DCNNの堅牢性を著しく妨げます。 DFANetは畳み込み層で使用されるドロップアウトベースの手法であり,サロゲートモデルの多様性を高めることができる。 クエリなしで4つの商用APIをうまく攻撃できる新しい対向顔ペアを生成します。
  論文  参考訳（メタデータ） (2020-04-13T06:44:33Z)

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。