論文の概要: Few-Shot Learning: Expanding ID Cards Presentation Attack Detection to Unknown ID Countries

• arxiv url: http://arxiv.org/abs/2409.06842v1
• Date: Tue, 10 Sep 2024 20:05:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-12 16:29:39.499827
• Title: Few-Shot Learning: Expanding ID Cards Presentation Attack Detection to Unknown ID Countries
• Title（参考訳）: 少数ショット学習:未知のID国へのIDカード提示攻撃検出の拡張
• Authors: Alvaro S. Rocamora, Juan M. Espin, Juan E. Tapia,
• Abstract要約: 本稿では,遠隔検証システムに配備されたIDカードの提示攻撃を検出するためのFew-shot Learningアプローチを提案する。 本研究は,アルゼンチンやコスタリカなどの新しいIDカード国における,原型ネットワークをベースラインとして,スペインやチリの文書にまたがるパフォーマンスを分析した。
• 参考スコア（独自算出の注目度）: 2.946386240942919
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper proposes a Few-shot Learning (FSL) approach for detecting Presentation Attacks on ID Cards deployed in a remote verification system and its extension to new countries. Our research analyses the performance of Prototypical Networks across documents from Spain and Chile as a baseline and measures the extension of generalisation capabilities of new ID Card countries such as Argentina and Costa Rica. Specifically targeting the challenge of screen display presentation attacks. By leveraging convolutional architectures and meta-learning principles embodied in Prototypical Networks, we have crafted a model that demonstrates high efficacy with Few-shot examples. This research reveals that competitive performance can be achieved with as Few-shots as five unique identities and with under 100 images per new country added. This opens a new insight for novel generalised Presentation Attack Detection on ID cards to unknown attacks.
• Abstract（参考訳）: 本稿では,遠隔検証システムに配備されたIDカードの提示攻撃を検出するためのFSL(Few-shot Learning)アプローチを提案する。 本研究は,アルゼンチンやコスタリカなどの新しいIDカード国における,原型ネットワークをベースラインとして,スペインやチリの文書にまたがるパフォーマンスを分析した。 具体的には、画面表示攻撃の課題をターゲットにしている。 プロトタイプネットワークに具現化された畳み込みアーキテクチャとメタラーニングの原則を活用することで、Few-shotの例で高い有効性を示すモデルを構築した。 本研究は,5つのユニークなアイデンティティを持つFew-shotsと,100枚未満の画像を追加することで,競争性能が達成できることを明らかにした。 これにより、未知の攻撃に対するIDカード上の新しい一般化されたプレゼンテーション攻撃検出の新たな洞察が開かれる。

関連論文リスト

• Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
  模倣攻撃は 不正な識別と その後の攻撃者の認証につながる 顔認識と同様に、模倣攻撃も機械学習で検出できる。 本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:26:10Z)
• Open-Set: ID Card Presentation Attack Detection using Neural Transfer Style [2.946386240942919]
  本研究は,4つのGANを用いた画像翻訳モデルを用いて,サンプルの生成を改善するために,IDカード提示攻撃装置(PAI)について検討する。 印刷攻撃では0.63%,スクリーンキャプチャ攻撃では0.29%,EER性能は0.29%向上した。
  論文  参考訳（メタデータ） (2023-12-21T16:28:08Z)
• PRAT: PRofiling Adversarial aTtacks [52.693011665938734]
  PRofiling Adversarial aTacks (PRAT) の新たな問題点について紹介する。 敵対的な例として、PRATの目的は、それを生成するのに使用される攻撃を特定することである。 AIDを用いてPRATの目的のための新しいフレームワークを考案する。
  論文  参考訳（メタデータ） (2023-09-20T07:42:51Z)
• Invisible Backdoor Attack with Dynamic Triggers against Person Re-identification [71.80885227961015]
  個人再識別(ReID)は、広範囲の現実世界のアプリケーションで急速に進展しているが、敵攻撃の重大なリスクも生じている。 動的トリガー・インビジブル・バックドア・アタック(DT-IBA)と呼ばれる,ReIDに対する新たなバックドア・アタックを提案する。 本研究は,提案したベンチマークデータセットに対する攻撃の有効性と盗聴性を広範囲に検証し,攻撃に対する防御手法の有効性を評価する。
  論文  参考訳（メタデータ） (2022-11-20T10:08:28Z)
• 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)
• Detection and Continual Learning of Novel Face Presentation Attacks [23.13064343026656]
  最先端の対偽造防止システムは、トレーニング中に見たことのない新しいタイプの攻撃に対して、依然として脆弱である。 本稿では、深層ニューラルネットワークを用いて、観測された入力データポイントの異常を新しいタイプの攻撃として検出する。 次に、経験的なリプレイを使用してモデルを更新し、過去の学習された攻撃タイプを忘れずに、新しいタイプの攻撃に関する知識を取り入れます。
  論文  参考訳（メタデータ） (2021-08-27T01:33:52Z)
• MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
  我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。 提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
  論文  参考訳（メタデータ） (2020-10-25T23:01:13Z)
• Region Comparison Network for Interpretable Few-shot Image Classification [97.97902360117368]
  新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。 本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。 また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
  論文  参考訳（メタデータ） (2020-09-08T07:29:05Z)
• Learning One Class Representations for Face Presentation Attack Detection using Multi-channel Convolutional Neural Networks [7.665392786787577]
  プレゼンテーションアタック検出(PAD)メソッドは、目に見えないアタックを一般化するのに失敗することが多い。 マルチチャネル畳み込みニューラルネットワーク(MCCNN)で学習する一クラス分類器を用いたPADのための新しいフレームワークを提案する。 新たな損失関数が導入されたため、ネットワークは攻撃の表現から遠ざかって、ボナフィドクラスのコンパクトな埋め込みを学習せざるを得なくなった。 提案フレームワークは,ボナフィドおよび(既知の)攻撃クラスから堅牢なPADシステムを学習するための新しいアプローチを導入する。
  論文  参考訳（メタデータ） (2020-07-22T14:19:33Z)
• 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)

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。