論文の概要: Improving fingerprint presentation attack detection by an approach integrated into the personal verification stage
- arxiv url: http://arxiv.org/abs/2504.11066v1
- Date: Tue, 15 Apr 2025 11:01:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-24 03:40:47.547864
- Title: Improving fingerprint presentation attack detection by an approach integrated into the personal verification stage
- Title（参考訳）: 個人認証段階に統合されたアプローチによる指紋提示攻撃検出の改善
- Authors: Marco Micheletto, Giulia Orrù, Luca Ghiani, Gian Luca Marcialis,
- Abstract要約: プレゼンテーション攻撃検出(PAD)システムは通常、指紋認証システムとは独立して設計される。
これは、PADがそのようなユーザのために特別に設計されるべきであるという意味ではない。
本稿では,基本PADにCloseness Binary Code (CC)モジュールと呼ばれる革新的なアドオンモジュールを装備することを提案する。
- 参考スコア（独自算出の注目度）: 3.6498648388765513
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Presentation Attack Detection (PAD) systems are usually designed independently of the fingerprint verification system. While this can be acceptable for use cases where specific user templates are not predetermined, it represents a missed opportunity to enhance security in scenarios where integrating PAD with the fingerprint verification system could significantly leverage users' templates, which are the real target of a potential presentation attack. This does not mean that a PAD should be specifically designed for such users; that would imply the availability of many enrolled users' PAI and, consequently, complexity, time, and cost increase. On the contrary, we propose to equip a basic PAD, designed according to the state of the art, with an innovative add-on module called the Closeness Binary Code (CC) module. The term "closeness" refers to a peculiar property of the bona fide-related features: in an Euclidean feature space, genuine fingerprints tend to cluster in a specific pattern. First, samples from the same finger are close to each other, then samples from other fingers of the same user and finally, samples from fingers of other users. This property is statistically verified in our previous publication, and further confirmed in this paper. It is independent of the user population and the feature set class, which can be handcrafted or deep network-based (embeddings). Therefore, the add-on can be designed without the need for the targeted user samples; moreover, it exploits her/his samples' "closeness" property during the verification stage. Extensive experiments on benchmark datasets and state-of-the-art PAD methods confirm the benefits of the proposed add-on, which can be easily coupled with the main PAD module integrated into the fingerprint verification system.
- Abstract（参考訳）: プレゼンテーション攻撃検出(PAD)システムは通常、指紋認証システムとは独立して設計される。
これは、特定のユーザテンプレートが規定されていないユースケースでは受け入れられるが、指紋認証システムとPADを統合することで、潜在的なプレゼンテーション攻撃の真のターゲットであるユーザのテンプレートを著しく活用するシナリオにおいて、セキュリティを強化する機会が欠落していることを示している。
これは、PADがそのようなユーザのために特別に設計されるべきであるという意味ではなく、多くの登録されたユーザのPAIが利用可能になり、結果として複雑さ、時間、コストが増大することを意味している。
それとは対照的に,我々は最先端技術に基づいて設計された基本PADに,Closeness Binary Code (CC)モジュールと呼ばれる革新的なアドオンモジュールを装備することを提案する。
クローズネス」(closeness)という用語は、ボナ・フィデに関連する特徴の特異な性質を指し、ユークリッドの特徴空間では、本物の指紋は特定のパターンに集まる傾向がある。
まず、同じ指のサンプルが互いに近く、次に同じユーザーの他の指のサンプル、そして最後に他のユーザーの指のサンプルです。
この性質は前回の論文で統計的に検証され、さらに本論文で確認される。
ユーザ人口と機能セットクラスとは独立しており、手作りやディープネットワークベース(埋め込み)が可能である。
そのため、ターゲットとするユーザサンプルを必要とせずにアドオンを設計することができる。
指紋認証システムに組み込まれた主PADモジュールと簡単に結合可能なベンチマークデータセットと最先端のPAD手法の広範な実験により、提案したアドオンの利点が確認できる。
関連論文リスト
- Privacy-Preserving Biometric Verification with Handwritten Random Digit String [49.77172854374479]
手書き認証は、何十年もの間、安定したアイデンティティ認証方法として存在してきた。
しかし、この技術は、署名などの手書きバイオメトリックスに個人情報が組み込まれているため、潜在的なプライバシー侵害のリスクがある。
プライバシ保護による手書き文字の検証にRandom Digit String (RDS) を用いることを提案する。
論文 参考訳（メタデータ） (2025-03-17T03:47:25Z) - CBW: Towards Dataset Ownership Verification for Speaker Verification via Clustering-based Backdoor Watermarking [85.68235482145091]
大規模音声データセットは貴重な知的財産となった。
本稿では,新しいデータセットのオーナシップ検証手法を提案する。
我々のアプローチはクラスタリングに基づくバックドア透かし(CBW)を導入している。
我々は,ベンチマークデータセットに対する広範な実験を行い,本手法の有効性とロバスト性を検証した。
論文 参考訳（メタデータ） (2025-03-02T02:02:57Z) - Scalable Fingerprinting of Large Language Models [46.26999419117367]
我々はPerinucleus sampleと呼ばれる新しい手法を導入し、スケーラブルで永続的で無害な指紋を生成する。
この手法により,Llama-3.1-8Bモデルに24,576個の指紋を付加できることを示した。
論文 参考訳（メタデータ） (2025-02-11T18:43:07Z) - Joint Identity Verification and Pose Alignment for Partial Fingerprints [33.05877729161858]
本稿では,部分指紋ペアの協調識別とポーズアライメントのための新しいフレームワークを提案する。
本手法は,部分的指紋認証と相対的ポーズ推定の両方において,最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-05-07T02:45:50Z) - Token-Level Adversarial Prompt Detection Based on Perplexity Measures
and Contextual Information [67.78183175605761]
大規模言語モデルは、敵の迅速な攻撃に影響を受けやすい。
この脆弱性は、LLMの堅牢性と信頼性に関する重要な懸念を浮き彫りにしている。
トークンレベルで敵のプロンプトを検出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） (2023-11-20T03:17:21Z) - 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) - ViT Unified: Joint Fingerprint Recognition and Presentation Attack
Detection [36.05807963935458]
我々は、視覚変換器のアーキテクチャを、関節スプーフ検出とマッチングに活用する。
我々は、シーケンシャルシステムと統一アーキテクチャの両方に対して、最先端のSOTA(State-of-the-art)モデルによる競合結果を報告する。
We demonstrate the capabilities of our unified model to achieve a average integrated matching (IM) accuracy of 98.87% across LivDet 2013 and 2015 CrossMatch sensor。
論文 参考訳（メタデータ） (2023-05-12T16:51:14Z) - MoSFPAD: An end-to-end Ensemble of MobileNet and Support Vector
Classifier for Fingerprint Presentation Attack Detection [2.733700237741334]
本稿では,指紋攻撃を検知する新しいエンドツーエンドモデルを提案する。
提案モデルでは,MobileNetを特徴抽出器として,Support Vectorを分類器として組み込んだ。
提案モデルの性能を最先端の手法と比較する。
論文 参考訳（メタデータ） (2023-03-02T18:27:48Z) - Dynamic Prototype Mask for Occluded Person Re-Identification [88.7782299372656]
既存の手法では、目に見える部分を識別するために、余分なネットワークによって提供される身体の手がかりを利用することで、この問題に対処している。
2つの自己明快な事前知識に基づく新しい動的プロトタイプマスク(DPM)を提案する。
この条件下では、隠蔽された表現は、選択された部分空間において自然にうまく整列することができる。
論文 参考訳（メタデータ） (2022-07-19T03:31:13Z) - 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) - Fingerprint recognition with embedded presentation attacks detection:
are we ready? [6.0168714922994075]
セキュリティアプリケーションのための指紋認証システムの拡散は,ソフトウェアベースのプレゼンテーション攻撃アルゴリズム(PAD)をそのようなシステムに組み込むことを急ぐ。
現在の研究では、指紋認証システムに組み込む際の有効性についてはあまり言及されていない。
本稿では,PADと検証段階を逐次実施する場合の2つの個別システムの受信者動作特性(ROC)の関係を確率論的にモデル化した性能シミュレータを提案する。
論文 参考訳（メタデータ） (2021-10-20T13:53:16Z) - Federated Learning of User Authentication Models [69.93965074814292]
機械学習モデルのプライバシー保護のためのフレームワークであるFederated User Authentication (FedUA)を提案する。
FedUAは、フェデレートされた学習フレームワークを採用して、ユーザが生の入力を共有することなく、共同でモデルをトレーニングできるようにする。
提案手法はプライバシ保護であり,多数のユーザに対してスケーラブルであることを示し,出力層を変更することなく,新たなユーザをトレーニングに追加できるようにした。
論文 参考訳（メタデータ） (2020-07-09T08:04:38Z)
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。