論文の概要: Enhanced Bank Check Security: Introducing a Novel Dataset and Transformer-Based Approach for Detection and Verification
- arxiv url: http://arxiv.org/abs/2406.14370v1
- Date: Thu, 20 Jun 2024 14:42:14 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-21 13:12:50.675089
- Title: Enhanced Bank Check Security: Introducing a Novel Dataset and Transformer-Based Approach for Detection and Verification
- Title（参考訳）: 銀行チェックセキュリティの強化: 検出と検証のための新しいデータセットとトランスフォーマーベースのアプローチの導入
- Authors: Muhammad Saif Ullah Khan, Tahira Shehzadi, Rabeya Noor, Didier Stricker, Muhammad Zeshan Afzal,
- Abstract要約: 銀行チェックの署名検証に特化して設計された新しいデータセットを提案する。
このデータセットには、典型的なチェック要素に埋め込まれたさまざまなシグネチャスタイルが含まれている。
本稿では,オブジェクト検出ネットワークを用いた文字非依存署名検証のための新しい手法を提案する。
- 参考スコア（独自算出の注目度）: 11.225067563482169
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated signature verification on bank checks is critical for fraud prevention and ensuring transaction authenticity. This task is challenging due to the coexistence of signatures with other textual and graphical elements on real-world documents. Verification systems must first detect the signature and then validate its authenticity, a dual challenge often overlooked by current datasets and methodologies focusing only on verification. To address this gap, we introduce a novel dataset specifically designed for signature verification on bank checks. This dataset includes a variety of signature styles embedded within typical check elements, providing a realistic testing ground for advanced detection methods. Moreover, we propose a novel approach for writer-independent signature verification using an object detection network. Our detection-based verification method treats genuine and forged signatures as distinct classes within an object detection framework, effectively handling both detection and verification. We employ a DINO-based network augmented with a dilation module to detect and verify signatures on check images simultaneously. Our approach achieves an AP of 99.2 for genuine and 99.4 for forged signatures, a significant improvement over the DINO baseline, which scored 93.1 and 89.3 for genuine and forged signatures, respectively. This improvement highlights our dilation module's effectiveness in reducing both false positives and negatives. Our results demonstrate substantial advancements in detection-based signature verification technology, offering enhanced security and efficiency in financial document processing.
- Abstract（参考訳）: 銀行小切手の自動署名検証は不正防止と取引の信頼性確保に不可欠である。
この課題は、現実世界の文書上の他のテキストおよびグラフィカル要素とシグネチャが共存しているため、困難である。
検証システムはまず署名を検出し、その真正性を検証する必要がある。
このギャップに対処するため,銀行小切手の署名検証に特化して設計された新しいデータセットを提案する。
このデータセットには、一般的なチェック要素に埋め込まれたさまざまなシグネチャスタイルが含まれており、高度な検出方法のための現実的なテストグラウンドを提供する。
さらに,オブジェクト検出ネットワークを用いた文字非依存署名検証のための新しい手法を提案する。
検出に基づく検証手法では、オブジェクト検出フレームワーク内の真偽と偽の署名を別クラスとして扱い、検出と検証の両方を効果的に処理する。
我々はDINOベースのネットワークを拡張モジュールで拡張し、チェック画像上の署名を同時に検出し、検証する。
提案手法は,偽シグネチャが99.2,偽シグネチャが99.4,DINOベースラインが93.1,偽シグネチャが89.3,それぞれ大幅に改善された。
この改善は、偽陽性と陰性の両方を減らすための拡張モジュールの有効性を強調します。
本研究は,ファイナンシャル文書処理におけるセキュリティと効率を向上した,検出に基づく署名検証技術の大幅な進歩を示すものである。
関連論文リスト
- Offline Signature Verification Based on Feature Disentangling Aided Variational Autoencoder [6.128256936054622]
シグネチャ検証システムの主なタスクは、シグネチャ画像から特徴を抽出し、分類のための分類器を訓練することである。
署名検証モデルがトレーニングされている場合、熟練した偽造の例は、しばしば利用できない。
本稿では, 可変オートエンコーダ(VAE)を用いて, 署名画像から直接特徴を抽出する新しい署名検証手法を提案する。
論文 参考訳（メタデータ） (2024-09-29T19:54:47Z) - Air Signing and Privacy-Preserving Signature Verification for Digital Documents [0.0]
提案されたソリューションは"Air Signature"と呼ばれ、カメラの前でシグネチャを記述する。
目標は、ジェスチャーやオブジェクトをリアルタイムで検出・追跡する最先端の手法を開発することである。
論文 参考訳（メタデータ） (2024-05-17T16:00:10Z) - Towards General Visual-Linguistic Face Forgery Detection [95.73987327101143]
ディープフェイクは現実的な顔操作であり、セキュリティ、プライバシー、信頼に深刻な脅威をもたらす可能性がある。
既存の方法は、このタスクを、デジタルラベルまたはマスク信号を使用して検出モデルをトレーニングするバイナリ分類として扱う。
本稿では, 微粒な文レベルのプロンプトをアノテーションとして用いた, VLFFD (Visual-Linguistic Face Forgery Detection) という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-07-31T10:22:33Z) - Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。
ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。
3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-07-11T07:48:39Z) - FedSOV: Federated Model Secure Ownership Verification with Unforgeable
Signature [60.99054146321459]
フェデレートラーニングにより、複数のパーティがプライベートデータを公開せずにグローバルモデルを学ぶことができる。
本稿では,FedSOVという暗号署名に基づくフェデレート学習モデルのオーナシップ検証手法を提案する。
論文 参考訳（メタデータ） (2023-05-10T12:10:02Z) - Did You Train on My Dataset? Towards Public Dataset Protection with
Clean-Label Backdoor Watermarking [54.40184736491652]
本稿では,公開データの保護のための一般的な枠組みとして機能するバックドアベースの透かし手法を提案する。
データセットに少数の透かしサンプルを挿入することにより、我々のアプローチは、ディフェンダーが設定した秘密関数を暗黙的に学習することを可能にする。
この隠れた機能は、データセットを違法に使用するサードパーティモデルを追跡するための透かしとして使用できる。
論文 参考訳（メタデータ） (2023-03-20T21:54:30Z) - GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。
FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
論文 参考訳（メタデータ） (2022-04-12T03:49:35Z) - Revealing Reliable Signatures by Learning Top-Rank Pairs [15.582774097442721]
署名検証は重要なドキュメント分析タスクである。
著者に依存しないオフライン署名検証タスクに対して,トップランクペア(top-rank pairs)を学習するための新しい手法を提案する。
論文 参考訳（メタデータ） (2022-03-17T08:20:19Z) - Applications of Signature Methods to Market Anomaly Detection [1.911678487931003]
本稿では,特徴抽出器としてのシグネチャやランダム化シグネチャの異常検出アルゴリズムへの応用について述べる。
暗号通貨市場からの取引データを用いて実生活のアプリケーションを示す。
この場合、F1スコアが最大88%のソーシャルネットワーク上で組織されたポンプとダンプの試行を特定できる。
論文 参考訳（メタデータ） (2022-01-07T13:05:43Z) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。
トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文 参考訳（メタデータ） (2020-12-07T11:02:44Z) - Offline Signature Verification on Real-World Documents [9.271640666465363]
正式な文書から抽出された署名には、スタンプ、会社のシール、支配線、署名ボックスなど、さまざまな種類の隠蔽が含まれている。
本稿では,現実の作家によるオフライン署名検証問題に対処し,銀行の顧客の取引要求文書に隠蔽された署名を記載した文書をクリーンリファレンス署名と比較する。
提案手法は,CycleGANに基づくスタンプクリーニング法とCNNに基づくシグネチャ表現の2つの主成分からなる。
論文 参考訳（メタデータ） (2020-04-25T10:28:03Z)
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。