論文の概要: Two-Stage Human Verification using HandCAPTCHA and Anti-Spoofed Finger Biometrics with Feature Selection
- arxiv url: http://arxiv.org/abs/2410.09866v1
- Date: Sun, 13 Oct 2024 15:02:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-10-30 04:32:54.083944
- Title: Two-Stage Human Verification using HandCAPTCHA and Anti-Spoofed Finger Biometrics with Feature Selection
- Title（参考訳）: 特徴選択を伴うハンドCAPTCHAとアンチスプーフフィンガーバイオメトリックスを用いた2段階人体認証
- Authors: Asish Bera, Debotosh Bhattacharjee, Hubert P H Shum,
- Abstract要約: 本稿では、攻撃の脆弱性を克服し、セキュリティを高めるために、2つの独立した段階における人間による検証手法を提案する。
第1段階では、手動画像に基づくCAPTCHA(HandCAPTCHA)が自動ボット攻撃を回避するためにテストされる。
次の段階では、ランダムなHandCAPTCHAチャレンジをパスした人の実手画像を用いて、提示攻撃検出(PAD)を用いて、正当なユーザの指生体認証を行う。
- 参考スコア（独自算出の注目度）: 22.457256834519335
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a human verification scheme in two independent stages to overcome the vulnerabilities of attacks and to enhance security. At the first stage, a hand image-based CAPTCHA (HandCAPTCHA) is tested to avert automated bot-attacks on the subsequent biometric stage. In the next stage, finger biometric verification of a legitimate user is performed with presentation attack detection (PAD) using the real hand images of the person who has passed a random HandCAPTCHA challenge. The electronic screen-based PAD is tested using image quality metrics. After this spoofing detection, geometric features are extracted from the four fingers (excluding the thumb) of real users. A modified forward-backward (M-FoBa) algorithm is devised to select relevant features for biometric authentication. The experiments are performed on the Bogazici University (BU) and the IIT-Delhi (IITD) hand databases using the k-nearest neighbor and random forest classifiers. The average accuracy of the correct HandCAPTCHA solution is 98.5%, and the false accept rate of a bot is 1.23%. The PAD is tested on 255 subjects of BU, and the best average error is 0%. The finger biometric identification accuracy of 98% and an equal error rate (EER) of 6.5% have been achieved for 500 subjects of the BU. For 200 subjects of the IITD, 99.5% identification accuracy, and 5.18% EER are obtained.
- Abstract（参考訳）: 本稿では、攻撃の脆弱性を克服し、セキュリティを高めるために、2つの独立した段階における人間による検証手法を提案する。
第1段階では、手動画像に基づくCAPTCHA(HandCAPTCHA)がテストされ、その後の生体計測段階における自動ボット攻撃を回避する。
次の段階では、ランダムなHandCAPTCHAチャレンジをパスした人の実手画像を用いて、提示攻撃検出(PAD)を用いて、正当なユーザの指生体認証を行う。
電子スクリーンベースのPADは、画像品質指標を用いてテストされる。
この偽造検出の後、実際のユーザの4本の指(親指を除く)から幾何学的特徴を抽出する。
M-FoBa (Modified forward-backward, M-FoBa) アルゴリズムは, 生体認証に有効な特徴を選択するために考案されたアルゴリズムである。
実験はBogazici University (BU) と IIT-Delhi (IITD) のハンドデータベース上で, k-アネレスト近傍とランダム森林分類器を用いて行った。
正しいHandCAPTCHAソリューションの平均精度は98.5%であり、ボットの偽受け入れ率は1.23%である。
PADはBUの255の被験者でテストされ、最高の平均誤差は0%である。
指の生体認証精度は98%、EERは6.5%である。
IITDの200名に対して、99.5%の識別精度、5.18%のEERが得られる。
関連論文リスト
- KDPrint: Passive Authentication using Keystroke Dynamics-to-Image Encoding via Standardization [7.251941112707364]
本稿では,プライマリ認証方式の副産物であるキーストロークデータを背景ユーザ認証に用いる受動的認証システムを提案する。
本稿では,キーストロークデータの時間的ダイナミクスを捉え,ディープラーニングモデルの性能制限を克服する新しい画像符号化手法を提案する。
実験の結果,提案手法は情報容量の面で既存の手法を超越していることがわかった。
論文 参考訳（メタデータ） (2024-05-02T08:18:37Z) - 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) - Whole-body Detection, Recognition and Identification at Altitude and
Range [57.445372305202405]
多様なデータセットに基づいて評価したエンドツーエンドシステムを提案する。
我々のアプローチでは、一般的な画像データセットで検出器を事前トレーニングし、BRIARの複雑なビデオや画像でそれを微調整する。
屋内・屋外・航空シナリオにおける様々な範囲や角度の異なる条件下で徹底的な評価を行う。
論文 参考訳（メタデータ） (2023-11-09T20:20:23Z) - 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) - Facial Soft Biometrics for Recognition in the Wild: Recent Works,
Annotation, and COTS Evaluation [63.05890836038913]
制約のないシナリオにおける人物認識システムを強化するために,ソフトバイオメトリックスが果たす役割について検討する。
1) ソフトバイオメトリックスのマニュアル推定と,2) 市販オフザシェルフシステムによる自動推定の2つの仮定を考察する。
深層学習に基づく2つの最先端顔認識システムを用いた軟式生体計測実験を行った。
論文 参考訳（メタデータ） (2022-10-24T11:29:57Z) - A Comparative Study of Fingerprint Image-Quality Estimation Methods [54.84936551037727]
画質の悪い画像は、突発的で欠落した特徴をもたらし、システム全体の性能を低下させる。
本稿では,指紋画像品質評価のための既存手法について概説する。
また,指紋画像品質推定アルゴリズムの選定も行った。
論文 参考訳（メタデータ） (2021-11-14T19:53:12Z) - A high performance fingerprint liveness detection method based on
quality related features [66.41574316136379]
このシステムは、10,500枚以上の実画像と偽画像からなる非常に難しいデータベースでテストされている。
提案手法はマルチシナリオデータセットに対して堅牢であることが証明され、全体の90%が正しく分類されたサンプルである。
論文 参考訳（メタデータ） (2021-11-02T21:09:39Z) - 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) - Robust Text CAPTCHAs Using Adversarial Examples [129.29523847765952]
Robust Text CAPTCHA (RTC) という,ユーザフレンドリーなテキストベースのCAPTCHA生成法を提案する。
第1段階では、前景と背景はランダムにサンプルされたフォントと背景画像で構成される。
第2段階では、CAPTCHAの解法をより妨害するために、高転送可能な逆攻撃をテキストCAPTCHAに適用する。
論文 参考訳（メタデータ） (2021-01-07T11:03:07Z) - Anomaly Detection with Convolutional Autoencoders for Fingerprint
Presentation Attack Detection [11.879849130630406]
提示攻撃検出(PAD)法は、ボナファイド被検体由来のサンプルと、提示攻撃装置(PAI)由来のサンプルとを判定するために用いられる。
短波長赤外領域で捕獲されたボナファイドサンプル(すなわち1クラス)にのみ訓練されたオートエンコーダ(AE)に基づく新しいPAD手法を提案する。
論文 参考訳（メタデータ） (2020-08-18T15:33:41Z) - Keystroke Biometrics in Response to Fake News Propagation in a Global
Pandemic [77.79066811371978]
本研究では,キーストロークバイオメトリックスを用いたコンテンツ匿名化手法の提案と解析を行う。
フェイクニュースは、特に主要なイベントにおいて、世論を操作する強力なツールとなっている。
論文 参考訳（メタデータ） (2020-05-15T17:56:11Z)
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。