論文の概要: Deep Features for Contactless Fingerprint Presentation Attack Detection: Can They Be Generalized?

• arxiv url: http://arxiv.org/abs/2307.01845v1
• Date: Tue, 4 Jul 2023 17:46:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-06 16:21:29.391933
• Title: Deep Features for Contactless Fingerprint Presentation Attack Detection: Can They Be Generalized?
• Title（参考訳）: コンタクトレス指紋提示アタック検出のための深い機能:一般化できるか?
• Authors: Hailin Li and Raghavendra Ramachandra
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 6.668147787950981
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid evolution of high-end smartphones with advanced high-resolution cameras has resulted in contactless capture of fingerprint biometrics that are more reliable and suitable for verification. Similar to other biometric systems, contactless fingerprint-verification systems are vulnerable to presentation attacks. In this paper, we present a comparative study on the generalizability of seven different pre-trained Convolutional Neural Networks (CNN) and a Vision Transformer (ViT) to reliably detect presentation attacks. Extensive experiments were carried out on publicly available smartphone-based presentation attack datasets using four different Presentation Attack Instruments (PAI). The detection performance of the eighth deep feature technique was evaluated using the leave-one-out protocol to benchmark the generalization performance for unseen PAI. The obtained results indicated the best generalization performance with the ResNet50 CNN.
• Abstract（参考訳）: 高度な高解像度カメラを備えたハイエンドスマートフォンの急速な進化は、より信頼性が高く、検証に適した指紋バイオメトリックスを接触なく捕獲する結果となった。 他の生体認証システムと同様に、非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。 4種類のプレゼンテーションアタック・インスツルメンツ(PAI)を用いて,スマートフォンによるプレゼンテーションアタック・データセットの公開実験を行った。 第8の深層特徴量の検出性能は,未発見のpaiの一般化性能をベンチマークするためにrevet-one-outプロトコルを用いて評価した。 その結果,ResNet50 CNNで最高の一般化性能を示した。

関連論文リスト

• 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)
• Presentation Attack Detection with Advanced CNN Models for Noncontact-based Fingerprint Systems [5.022332693793425]
  我々は,7500枚以上の4指画像の提示攻撃検出(PAD)データセットを開発した。 攻撃提示分類誤り率(APCER)0.14%とボナフィド提示分類誤り率(BPCER)0.18%のPAD精度について検討した。
  論文  参考訳（メタデータ） (2023-03-09T18:01:10Z)
• 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)
• AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
  指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。 ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。 この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2022-11-25T05:10:39Z)
• Federated Test-Time Adaptive Face Presentation Attack Detection with Dual-Phase Privacy Preservation [100.69458267888962]
  顔提示攻撃検出(fPAD)は、現代の顔認識パイプラインにおいて重要な役割を果たす。 法的およびプライバシー上の問題により、トレーニングデータ(実際の顔画像と偽画像)は、異なるデータソース間で直接共有することはできない。 本稿では,二相プライバシー保護フレームワークを用いたフェデレーションテスト時間適応顔提示検出を提案する。
  論文  参考訳（メタデータ） (2021-10-25T02:51:05Z)
• 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)
• Texture-based Presentation Attack Detection for Automatic Speaker Verification [21.357976330739245]
  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。
  論文  参考訳（メタデータ） (2020-10-08T15:03:29Z)
• Deep convolutional neural networks for face and iris presentation attack detection: Survey and case study [0.5801044612920815]
  顔PADのクロスデータセット評価は,術式よりも一般化が良好であった。 顔と虹彩の両方の攻撃を検出するために訓練された1つのディープネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-25T02:06:19Z)
• Fingerprint Presentation Attack Detection: A Sensor and Material Agnostic Approach [44.46178415547532]
  クロスマテリアルとクロスセンサの一般化を改良した,堅牢なプレゼンテーションアタック検出(PAD)ソリューションを提案する。 具体的には,指紋スプーフ検出とクロスマテリアルスプーフ一般化を併用して,指紋スプーフ検出を訓練したCNNベースのアーキテクチャを構築した。 また,DNN(Deep Neural Network)にARL(Adversarial Expression Learning)を組み込んで,PADのセンサおよび材料不変表現を学習する。
  論文  参考訳（メタデータ） (2020-04-06T19:03:05Z)

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。