論文の概要: On the Study of Biometric Spoofing Detection using Deep Learning

• arxiv url: http://arxiv.org/abs/2606.11505v1
• Date: Tue, 09 Jun 2026 22:56:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.209539
• Title: On the Study of Biometric Spoofing Detection using Deep Learning
• Title（参考訳）: 深層学習を用いたバイオメトリックスポフィング検出に関する研究
• Authors: Kumar Kartikey, Nikos Komninos,
• Abstract要約: 本研究では,顔認識システムにおけるスプーフィング攻撃の検出における機械学習モデル,MobileNetV2,DenseNet-121,Inception-v3,Spof Trace Disentanglement(STD)の有効性を評価する。 その結果,MobileNetV2が最も効率的なモデルであり,計算効率のバランスを保ちながら92%の精度を実現し,現実のアプリケーションに適していることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Biometric systems are increasingly deployed in security applications; however, they remain vulnerable to spoofing attacks, in which attackers exploit counterfeit biometric data to gain unauthorized access. This research evaluates the effectiveness of state-of-the-art machine learning models, MobileNetV2, DenseNet-121, Inception-v3, and Spoof Trace Disentanglement (STD) in detecting spoofing attacks within facial recognition systems. Using the CelebA-Spoof dataset, the study evaluates model effectiveness using metrics such as accuracy, precision, recall, and F1 Score. Cross-dataset validation is carried out on the MSU-MFSD dataset to assess generalizability. The results show MobileNetV2 as the most efficient model, achieving 92% accuracy while balancing computational effectiveness, making it appropriate for real-life applications. Inception-v3 shows moderate robustness, while DenseNet-121 and STD struggle with generalization. The findings highlight the need for advances in domain adaptation and hybrid architectures to enhance biometric security systems.
• Abstract（参考訳）: 生体認証システムはますますセキュリティアプリケーションに配備されているが、攻撃者は偽の生体認証データを悪用して不正アクセスを受ける攻撃に対して脆弱なままである。 本研究では,顔認識システムにおけるスプーフィング攻撃検出における最先端機械学習モデルであるMobileNetV2,DenseNet-121,Inception-v3,Spof Trace Disentanglement(STD)の有効性を評価する。 CelebA-Spoofデータセットを用いて、精度、精度、リコール、F1スコアなどの指標を用いてモデルの有効性を評価する。 MSU-MFSDデータセット上でデータセット間の検証を行い、一般化性を評価する。 その結果,MobileNetV2が最も効率的なモデルであり,計算効率のバランスを保ちながら92%の精度を実現し,現実のアプリケーションに適していることがわかった。 インセプション-v3は適度な堅牢性を示し、DenseNet-121とSTDは一般化に苦慮している。 この発見は、生体認証セキュリティシステムを強化するために、ドメイン適応とハイブリッドアーキテクチャの進歩の必要性を強調している。

関連論文リスト

• Assessing Generalisation Capability of Machine Learning Models for Intrusion Detection [12.976685413458243]
  本研究では,UNSW-NB15とTON_IoTを用いた侵入検出のための教師付き機械学習モデルの一般化能力について検討した。 ランダムフォレスト、ロジスティック回帰、ネイブベイズは、同じデータセットとクロスデータセット設定で評価された。 その結果,侵入検出における大きな一般化ギャップが明らかとなった。
  論文  参考訳（メタデータ） (2026-05-06T01:59:09Z)
• Deep Learning Models for Robust Facial Liveness Detection [56.08694048252482]
  本研究では,現代のアンチスプーフィング手法の欠陥に対処する新しい深層学習モデルを用いて,ロバストな解を提案する。 テクスチャ解析と実際の人間の特性に関連する反射特性を革新的に統合することにより、我々のモデルは、顕著な精度でレプリカと真の存在を区別する。
  論文  参考訳（メタデータ） (2025-08-12T17:19:20Z)
• AndroIDS : Android-based Intrusion Detection System using Federated Learning [0.0]
  本稿では,AndroIDSという,統合学習に基づく侵入検知フレームワークを提案する。 システムコールトレースをパーソナライズされたプライバシ保護データソースとして使用する。 精度は96.46 %、92.87 %、F1 スコアは89 %、86 %である。
  論文  参考訳（メタデータ） (2025-06-19T17:42:02Z)
• Liveness Detection in Computer Vision: Transformer-based Self-Supervised Learning for Face Anti-Spoofing [0.0]
  顔認識システムは、攻撃者が写真、ビデオ、マスクを使って正当なユーザーを偽装する攻撃に対して脆弱である。 この研究は、DINOフレームワークで微調整されたVision Transformer (ViT)アーキテクチャを探索することで、これらの脆弱性に対処する。
  論文  参考訳（メタデータ） (2024-06-19T21:44:43Z)
• Free Lunch for Generating Effective Outlier Supervision [46.37464572099351]
  本稿では, ほぼ現実的な外乱監視を実現するための超効率的な手法を提案する。 提案したtextttBayesAug は,従来の方式に比べて偽陽性率を 12.50% 以上削減する。
  論文  参考訳（メタデータ） (2023-01-17T01:46:45Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• Generalizable Method for Face Anti-Spoofing with Semi-Supervised Learning [0.0]
  顔の偽造防止は生体認証システムにおける高いセキュリティ要件のために多くの注目を集めている。 フェースバイオメトリックを商用ハードウェアに持ち込むことは、フェイクログインセッションを検出するための信頼性の高い方法の開発に大きく依存するようになった。 現在のCNNベースの手法は、トレーニング対象のドメインでよく機能するが、以前は見つからなかったデータセットでは一般化が不十分であることが多い。
  論文  参考訳（メタデータ） (2022-06-13T22:44:14Z)
• SpoofGAN: Synthetic Fingerprint Spoof Images [47.87570819350573]
  指紋スプーフ検出の進歩に対する大きな制限は、公開可能な大規模な指紋スプーフデータセットの欠如である。 この研究は、これらのアルゴリズムに十分なデータを供給する際に、合成指紋(ライブ指紋とスプーフ指紋の両方)の有用性を実証することを目的としている。
  論文  参考訳（メタデータ） (2022-04-13T16:27:27Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。