論文の概要: A Universal Anti-Spoofing Approach for Contactless Fingerprint Biometric
Systems
- arxiv url: http://arxiv.org/abs/2310.15044v1
- Date: Mon, 23 Oct 2023 15:46:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 19:07:35.592474
- Title: A Universal Anti-Spoofing Approach for Contactless Fingerprint Biometric
Systems
- Title(参考訳): 無接触指紋生体計測システムに対するユニバーサルアンチスプーフィング手法
- Authors: Banafsheh Adami, Sara Tehranipoor, Nasser Nasrabadi, and Nima Karimian
- Abstract要約: 接触のない指紋に対する普遍的な提示攻撃検出法を提案する。
ライブフィンガー写真からStyleGANを用いて合成非接触指紋を生成し,それらを統合して半教師付きResNet-18モデルを訓練した。
両損失関数のバランスをとるために,Arcface と Center の損失を組み合わせた新しい結合損失関数を導入した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the increasing integration of smartphones into our daily lives,
fingerphotos are becoming a potential contactless authentication method. While
it offers convenience, it is also more vulnerable to spoofing using various
presentation attack instruments (PAI). The contactless fingerprint is an
emerging biometric authentication but has not yet been heavily investigated for
anti-spoofing. While existing anti-spoofing approaches demonstrated fair
results, they have encountered challenges in terms of universality and
scalability to detect any unseen/unknown spoofed samples. To address this
issue, we propose a universal presentation attack detection method for
contactless fingerprints, despite having limited knowledge of presentation
attack samples. We generated synthetic contactless fingerprints using StyleGAN
from live finger photos and integrating them to train a semi-supervised
ResNet-18 model. A novel joint loss function, combining the Arcface and Center
loss, is introduced with a regularization to balance between the two loss
functions and minimize the variations within the live samples while enhancing
the inter-class variations between the deepfake and live samples. We also
conducted a comprehensive comparison of different regularizations' impact on
the joint loss function for presentation attack detection (PAD) and explored
the performance of a modified ResNet-18 architecture with different activation
functions (i.e., leaky ReLU and RelU) in conjunction with Arcface and center
loss. Finally, we evaluate the performance of the model using unseen types of
spoof attacks and live data. Our proposed method achieves a Bona Fide
Classification Error Rate (BPCER) of 0.12\%, an Attack Presentation
Classification Error Rate (APCER) of 0.63\%, and an Average Classification
Error Rate (ACER) of 0.37\%.
- Abstract(参考訳): スマートフォンの日常生活への統合が進む中、指紋認証は非接触認証の手段になりつつある。
利便性を提供するが、様々なプレゼンテーションアタック機器(PAI)を使用するスプーフィングにも脆弱である。
接触非接触指紋は生体認証として注目されるが、まだ偽造防止の分野では十分に研究されていない。
既存のアンチスプーフィングアプローチは、公正な結果を示したが、見当たらない/知られていないスプーフィングサンプルを検出するための普遍性とスケーラビリティの面での課題に遭遇した。
この問題に対処するために,プレゼンテーションアタックサンプルの知識に乏しいにもかかわらず,非接触指紋に対する普遍的なプレゼンテーションアタック検出手法を提案する。
ライブフィンガー写真からStyleGANを用いて合成非接触指紋を生成し,それらを統合して半教師付きResNet-18モデルを訓練した。
アークフェイスとセンターの損失を組み合わせた新しい共同損失関数を導入し、2つの損失関数のバランスを保ち、ライブサンプル内の変動を最小限に抑えるとともに、ディープフェイクとライブサンプルのクラス間変動を増強する。
また,プレゼンテーションアタック検出(PAD)における共同損失関数に対する各種正規化の影響を包括的に比較し,Arcfaceとセンターロスと合わせて,異なるアクティベーション関数(リークReLU,RelU)を用いたResNet-18アーキテクチャの性能について検討した。
最後に,未知のスプーフ攻撃とライブデータを用いたモデルの性能評価を行った。
提案手法は,ボナfide分類誤差率 (bpcer) を0.12\%,攻撃提示分類誤差率 (apcer) を0.63\%,平均分類誤差率 (acer) を0.37\%とした。
関連論文リスト
- 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) - Presentation Attack detection using Wavelet Transform and Deep Residual
Neural Net [5.425986555749844]
生体計測物質は、いくつかの方法でインポスタによって騙されることがある。
バイオメトリック画像、特に虹彩と顔は、異なる提示攻撃に対して脆弱である。
本研究では,生体情報アクセス制御システムにおけるプレゼンテーションアタックの軽減にディープラーニングアプローチを適用した。
論文 参考訳(メタデータ) (2023-11-23T20:21:49Z) - 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) - SAM Meets UAP: Attacking Segment Anything Model With Universal Adversarial Perturbation [61.732503554088524]
画像認識不能なユニバーサル適応摂動(UAP)を用いてSAM(Segment Anything Model)を攻撃できるかどうかを検討する。
自己教師付きコントラスト学習(CL)に基づくUAP生成手法を実現する新しい摂動中心フレームワークを提案する。
CLを用いたUAP生成手法の有効性を定量的および定性的に検証した。
論文 参考訳(メタデータ) (2023-10-19T02:49:24Z) - 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) - 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) - Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth
Uncertainty Learning [54.15303628138665]
フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。
既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。
我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
論文 参考訳(メタデータ) (2021-12-01T15:36:59Z) - 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) - Spoofing Detection on Hand Images Using Quality Assessment [21.58895176617405]
本稿では,手動バイオメトリックスに対するアンチ・スプーフィング法を提案する。
実画像と偽手画像の視覚的品質を評価することで、提示攻撃検出手法に対処する。
原画像と偽手画像の分類のために,各サンプルから10種類の品質指標を測定した。
論文 参考訳(メタデータ) (2021-10-22T10:06:53Z) - 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) - Temporal Sparse Adversarial Attack on Sequence-based Gait Recognition [56.844587127848854]
このような攻撃に対して,最先端の歩行認識モデルが脆弱であることを示す。
生成した対向ネットワークに基づくアーキテクチャを用いて、対向的な高品質な歩行シルエットやビデオフレームを意味的に生成する。
実験結果から, フレームの1分の1しか攻撃されない場合, 対象モデルの精度は劇的に低下することがわかった。
論文 参考訳(メタデータ) (2020-02-22T10:08:42Z)
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。