論文の概要: GAN pretraining for deep convolutional autoencoders applied to Software-based Fingerprint Presentation Attack Detection

• arxiv url: http://arxiv.org/abs/2105.10213v1
• Date: Fri, 21 May 2021 09:08:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 03:18:49.678117
• Title: GAN pretraining for deep convolutional autoencoders applied to Software-based Fingerprint Presentation Attack Detection
• Title（参考訳）: 深層畳み込みオートエンコーダのganプリトレーニング : ソフトウェアに基づく指紋提示攻撃検出への応用
• Authors: Tobias Rohrer, Jascha Kolberg
• Abstract要約: 本研究は,ソフトウェアを用いた指紋提示アタッチメント検出のための単一クラス分類に対する新しいアプローチを提案する。 この手法は、ワッサーシュタインGANを用いて、深い畳み込みオートエンコーダに転写学習を適用する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The need for reliable systems to determine fingerprint presentation attacks grows with the rising use of the fingerprint for authentication. This work presents a new approach to single-class classification for software-based fingerprint presentation attach detection. The described method utilizes a Wasserstein GAN to apply transfer learning to a deep convolutional autoencoder. By doing so, the autoencoder could be pretrained and finetuned on the LivDet2021 Dermalog sensor dataset with only 1122 bona fide training samples. Without making use of any presentation attack samples, the model could archive an average classification error rate of 16.79%. The Wasserstein GAN implemented to pretrain the autoencoders weights can further be used to generate realistic-looking artificial fingerprint patches. Extensive testing of different autoencoder architectures and hyperparameters led to coarse architectural guidelines as well as multiple implementations which can be utilized for future work.
• Abstract（参考訳）: 指紋提示攻撃を判定する信頼性の高いシステムの必要性は、認証に指紋を使用することによって増大する。 本稿では,ソフトウェアベースの指紋提示アタッチメント検出のための単一クラス分類手法を提案する。 この手法は、ワッサーシュタイン GAN を用いて、深層畳み込みオートエンコーダに転写学習を適用する。 これにより、オートエンコーダは、LivDet2021 Dermalogセンサーデータセット上で、わずか1122ボナフィドのトレーニングサンプルで事前訓練および微調整が可能になった。 プレゼンテーションアタックのサンプルを使用せずに、平均的な分類エラー率16.79%をアーカイブすることができる。 Wasserstein GANは、オートエンコーダの重量を事前訓練するために実装され、リアルに見える人工指紋パッチを生成するためにさらに使用できる。 異なるオートエンコーダアーキテクチャとハイパーパラメータの広範なテストは、アーキテクチャガイドラインの粗い部分と、将来の作業に使用できる複数の実装に繋がった。

関連論文リスト

• Unbalanced Fingerprint Classification for Hybrid Fingerprint Orientation Maps [1.6229112905195138]
  本研究は,乾燥,標準,湿潤の早期に指紋を識別し,誤検出の原因を標的とした。 スキャン画像は,提案した特徴点と相関した明瞭度に基づいて分類される。 また,ニューラルネットワークに基づく分類手法よりも,新しい手法の方が優れていることがわかった。
  論文  参考訳（メタデータ） (2024-09-01T16:53:02Z)
• UserBoost: Generating User-specific Synthetic Data for Faster Enrolment into Behavioural Biometric Systems [8.812837829361923]
  実データと合成データを併用することで,生体認証システムにエンロールするために必要な実データポイント数を削減できることを示す。 実世界のシステムにおいて,学習における合成ジェスチャーを用いることで,分類能力の向上が期待できることを示す。
  論文  参考訳（メタデータ） (2024-07-12T09:10:07Z)
• Transferable Watermarking to Self-supervised Pre-trained Graph Encoders by Trigger Embeddings [43.067822791795095]
  Graph Self-supervised Learning (GSSL)は、基礎グラフエンコーダの事前トレーニングを可能にする。 このようなエンコーダは簡単にプルインできるので、著作権侵害に弱い。 我々はGSSL設定でグラフエンコーダを保護する新しい透かしフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-06-19T03:16:11Z)
• 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)
• BeCAPTCHA-Type: Biometric Keystroke Data Generation for Improved Bot Detection [63.447493500066045]
  本研究では,キーストローク生体データ合成のためのデータ駆動学習モデルを提案する。 提案手法は,ユニバーサルモデルとユーザ依存モデルに基づく2つの統計的手法と比較する。 実験フレームワークでは16万件の被験者から1億3600万件のキーストロークイベントのデータセットについて検討している。
  論文  参考訳（メタデータ） (2022-07-27T09:26:15Z)
• Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
  自律運転システムには2つの主要なアルゴリズムアプローチがある。 ディープラーニングだけでは、多くの分野で最先端の結果が得られています。 しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
  論文  参考訳（メタデータ） (2022-03-28T20:29:50Z)
• Are Pretrained Transformers Robust in Intent Classification? A Missing Ingredient in Evaluation of Out-of-Scope Intent Detection [93.40525251094071]
  まず、少数ショットの意図認識タスクにおいて、ドメイン内スコープ外検出の重要性を指摘する。 次に、ドメイン内だがスコープ外(ID-OOS)であるサンプルに対して、事前訓練したTransformerベースのモデルの脆弱性を説明する。
  論文  参考訳（メタデータ） (2021-06-08T17:51:12Z)
• 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)
• Autoencoding Variational Autoencoder [56.05008520271406]
  我々は,この行動が学習表現に与える影響と,自己整合性の概念を導入することでそれを修正する結果について検討する。 自己整合性アプローチで訓練されたエンコーダは、敵攻撃による入力の摂動に対して頑健な(無神経な)表現につながることを示す。
  論文  参考訳（メタデータ） (2020-12-07T14:16:14Z)
• Ensemble Wrapper Subsampling for Deep Modulation Classification [70.91089216571035]
  受信した無線信号のサブサンプリングは、ハードウェア要件と信号処理アルゴリズムの計算コストを緩和するために重要である。 本稿では,無線通信システムにおけるディープラーニングを用いた自動変調分類のためのサブサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2020-05-10T06:11:13Z)

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。