論文の概要: Contactless Fingerprint Biometric Anti-Spoofing: An Unsupervised Deep
Learning Approach
- arxiv url: http://arxiv.org/abs/2311.04148v1
- Date: Tue, 7 Nov 2023 17:19:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 14:32:07.153651
- Title: Contactless Fingerprint Biometric Anti-Spoofing: An Unsupervised Deep
Learning Approach
- Title(参考訳): 無接触指紋バイオメトリックスプーフィング--教師なし深層学習アプローチ
- Authors: Banafsheh Adami and Nima Karimian
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Contactless fingerprint recognition offers a higher level of user comfort and
addresses hygiene concerns more effectively. However, it is also more
vulnerable to presentation attacks such as photo paper, paper-printout, and
various display attacks, which makes it more challenging to implement in
biometric systems compared to contact-based modalities. Limited research has
been conducted on presentation attacks in contactless fingerprint systems, and
these studies have encountered challenges in terms of generalization and
scalability since both bonafide samples and presentation attacks are utilized
during training model. Although this approach appears promising, it lacks the
ability to handle unseen attacks, which is a crucial factor for developing PAD
methods that can generalize effectively. We introduced an innovative
anti-spoofing approach that combines an unsupervised autoencoder with a
convolutional block attention module to address the limitations of existing
methods. Our model is exclusively trained on bonafide images without exposure
to any spoofed samples during the training phase. It is then evaluated against
various types of presentation attack images in the testing phase. The scheme we
proposed has achieved an average BPCER of 0.96\% with an APCER of 1.6\% for
presentation attacks involving various types of spoofed samples.
- Abstract(参考訳): コンタクトレス指紋認識はユーザーの快適度を高め、衛生上の懸念をより効果的に解決する。
しかし、フォトペーパー、ペーパープリントアウト、各種ディスプレイアタックなどの表示攻撃にも脆弱であり、コンタクトベースのモダリティに比べて生体認証システムの実装が困難である。
無接触指紋システムにおけるプレゼンテーション攻撃に関する限られた研究が行われており、トレーニングモデルではボナフィドサンプルとプレゼンテーションアタックの両方が使用されているため、一般化とスケーラビリティの面での課題に直面している。
このアプローチは有望なようだが、目に見えない攻撃を扱う能力が欠けているため、効果的に一般化できるPADメソッドを開発する上で重要な要素である。
非教師付き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,既存のメソッドの制限に対処する革新的なアンチスプーフィング手法を導入した。
本モデルは, トレーニング期間中にスプーフサンプルに曝露することなく, ボナファイド画像のみを訓練する。
そして、テストフェーズで様々なタイプのプレゼンテーションアタックイメージに対して評価される。
提案手法は, 各種スプーフサンプルを含む提示攻撃に対して, APCER が 1.6 %, 平均 BPCER が 0.96 % に達した。
関連論文リスト
- A Universal Anti-Spoofing Approach for Contactless Fingerprint Biometric
Systems [0.0]
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。
論文 参考訳(メタデータ) (2023-10-23T15:46:47Z) - Defending Pre-trained Language Models as Few-shot Learners against
Backdoor Attacks [72.03945355787776]
軽快でプラガブルで効果的な PLM 防御である MDP を,少人数の学習者として提唱する。
我々は,MDPが攻撃の有効性と回避性の両方を選択できる興味深いジレンマを発生させることを解析的に示す。
論文 参考訳(メタデータ) (2023-09-23T04:41:55Z) - When Measures are Unreliable: Imperceptible Adversarial Perturbations
toward Top-$k$ Multi-Label Learning [83.8758881342346]
新しい損失関数は、視覚的および測定的不受容性を両立できる敵の摂動を生成するために考案された。
大規模ベンチマークデータセットを用いた実験により,提案手法が最上位の$kのマルチラベルシステムを攻撃する際の優位性を実証した。
論文 参考訳(メタデータ) (2023-07-27T13:18:47Z) - 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) - Adversarial Robustness of Deep Reinforcement Learning based Dynamic
Recommender Systems [50.758281304737444]
本稿では,強化学習に基づく対話型レコメンデーションシステムにおける敵例の探索と攻撃検出を提案する。
まず、入力に摂動を加え、カジュアルな要因に介入することで、異なる種類の逆例を作成する。
そこで,本研究では,人工データに基づく深層学習に基づく分類器による潜在的攻撃を検出することにより,推薦システムを強化した。
論文 参考訳(メタデータ) (2021-12-02T04:12:24Z) - 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) - 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) - Disentangled Representation with Dual-stage Feature Learning for Face
Anti-spoofing [18.545438302664756]
事前に定義されたスプーフ攻撃タイプに過度に適合しないように、より一般化され差別的な特徴を学ぶことが不可欠である。
本稿では,無関係な特徴からスプーフ関連特徴を効果的に解き放つことができる,新しい二段階不整形表現学習法を提案する。
論文 参考訳(メタデータ) (2021-10-18T10:22:52Z) - On the Effectiveness of Vision Transformers for Zero-shot Face
Anti-Spoofing [7.665392786787577]
本研究では、ゼロショットアンチスプーフィングタスクにおいて、視覚変換器モデルからの伝達学習を用いる。
提案手法は、HQ-WMCAおよびSiW-Mデータセットにおけるゼロショットプロトコルにおける最先端の手法を大きなマージンで上回る。
論文 参考訳(メタデータ) (2020-11-16T15:14:59Z) - 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) - Unseen Face Presentation Attack Detection Using Class-Specific Sparse
One-Class Multiple Kernel Fusion Regression [15.000818334408802]
本論文は、目に見えない攻撃シナリオの困難な状況下での顔提示攻撃検出に対処する。
カーネル回帰に基づく一級顔提示攻撃検出手法を開発した。
論文 参考訳(メタデータ) (2019-12-31T11:53:20Z)
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。