論文の概要: From Forgeries to Foundation Models: A Systematic Survey of Identity Document Attack and Detection
- arxiv url: http://arxiv.org/abs/2607.01442v1
- Date: Wed, 01 Jul 2026 20:05:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.584839
- Title: From Forgeries to Foundation Models: A Systematic Survey of Identity Document Attack and Detection
- Title（参考訳）: ファウンデーションモデルからファウンデーションモデルへ:ID文書の攻撃と検出の体系的調査
- Abstract要約: この調査は、我々の知る限り、単一のアイデンティティ脅威モデルにおいて、プレゼンテーションアタック、デジタルインジェクションアタック、およびGenAI駆動合成の最初の統合された処理を提供する。
2019～2025年の公開データセットのシステマティック監査では、ベンチマーク条件と運用デプロイメントの間の永続的現実ギャップが公開されている。
我々は、法的な根拠、プライバシー保護、法的に説明可能なアイデンティティ検証システムに向けた今後の方向性を概説して結論づける。
- 参考スコア（独自算出の注目度）: 5.170417739307782
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Identity document forgery has undergone a fundamental capability shift: generative AI tools now enable high-fidelity document synthesis and field-level manipulation with minimal technical expertise, while detection methods remain constrained by benchmarks that do not reflect this threat. The resulting attack surface spans physical presentation, digital injection, and fully generative synthesis, introducing distinct forensic failure modes that require a unified threat model and evaluation framework. This survey provides, to our knowledge, the first unified treatment of Presentation Attacks, Digital Injection Attacks, and GenAI-driven synthesis within a single identity verification threat model. We trace detection methodologies from rule-based heuristics through forensic localisation, injection-aware pipelines, foundation models, and few-shot frameworks. A systematic audit of public datasets from 2019--2025 exposes a persistent Reality Gap between benchmark conditions and operational deployment. We further analyse large multimodal models for identity document manipulation, identifying Script-Dependent Generative Instability (SDGI) as a recurring typographic failure mode in non-Latin script inpainting. Finally, zero-shot benchmarking on unseen synthesised ID cards shows that even the strongest publicly available models achieve APCER values above 25% under security-oriented operating conditions, highlighting substantial limits in cross-domain generalisation. We conclude by outlining future directions toward forensically grounded, privacy-preserving, and legally accountable identity verification systems.
- Abstract（参考訳）: 生成可能なAIツールは、この脅威を反映しないベンチマークによって制限されたまま、最小の技術的専門知識で、高忠実なドキュメント合成とフィールドレベルの操作を可能にします。
結果として生じる攻撃面は、物理プレゼンテーション、デジタルインジェクション、および完全な生成合成にまたがり、統合された脅威モデルと評価フレームワークを必要とする独自の法医学的障害モードを導入している。
このサーベイは、我々の知る限り、単一のアイデンティティ検証脅威モデルにおいて、プレゼンテーションアタック、デジタルインジェクションアタック、およびGenAI駆動の合成の最初の統合された処理を提供する。
ルールに基づくヒューリスティックスから,法定ローカライゼーション,インジェクション対応パイプライン,ファンデーションモデル,少数ショットフレームワークをトレースする。
2019年から2025年にかけての公開データセットのシステマティック監査では、ベンチマーク条件と運用デプロイメントの間に、永続的なリアリティギャップが公開されている。
我々はさらに、スクリプト依存生成不安定(SDGI)を非ラテン文字のインペイントにおいて繰り返し発生するタイポグラフィー障害モードとして同定し、ID文書操作のための大規模なマルチモーダルモデルを解析する。
最後に、未確認の合成IDカードのゼロショットベンチマークでは、最強の公開モデルでさえ、セキュリティ指向の操作条件下でAPCERの値を25%以上達成し、クロスドメインの一般化にかなりの制限があることが示されている。
我々は、法的な根拠、プライバシー保護、法的に説明可能なアイデンティティ検証システムに向けた今後の方向性を概説して結論づける。
関連論文リスト
- Temporal Modeling of Optically Variable Devices in Identity Documents [2.8297572190956917]
保持者の肖像画を保護する透明なOVDの動的挙動を検証するための2つの新しい手法を提案する。
自己教師型設定で攻撃サンプルを使わずにこれらのアプローチを訓練できることを実証する。
現実的な条件下での高度な攻撃を打倒するためには,時間力学のモデリングが不可欠であることが確認された。
論文 参考訳（メタデータ） (2026-07-07T15:37:53Z) - Provably Secure Agent Guardrail [89.79561918065122]
既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。
本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
論文 参考訳（メタデータ） (2026-05-28T02:12:41Z) - Identity Card Presentation Attack Detection: A Systematic Review [7.7489419818764596]
ディープ・ラーニングはプレゼンテーション・アタック検出の進歩を推進した。
この分野は、データの欠如とモデルの一般化の貧弱により、基本的に制限されている。
本稿では,本研究の成果を整理し,重要な研究ギャップを特定し,今後の研究の規範的ロードマップを概説する。
論文 参考訳（メタデータ） (2025-11-08T15:55:37Z) - Mind the Gap: Evaluating Model- and Agentic-Level Vulnerabilities in LLMs with Action Graphs [1.036334370262262]
本稿では,エージェント実行を粒度のアクションとコンポーネントグラフに分解する可観測性に基づく評価フレームワークであるAgenSeerを紹介する。
モデルレベルとエージェントレベルの脆弱性プロファイルの根本的な違いを示す。
エージェントレベルの評価は、従来の評価には見えないエージェント固有のリスクを明らかにする。
論文 参考訳（メタデータ） (2025-09-05T04:36:17Z) - 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) - Benchmarking Unified Face Attack Detection via Hierarchical Prompt Tuning [58.16354555208417]
PADとFFDはそれぞれ物理メディアベースのプレゼンテーションアタックとデジタル編集ベースのDeepFakeから顔データを保護するために提案されている。
これら2つのカテゴリの攻撃を同時に処理する統一顔攻撃検出モデルがないことは、主に2つの要因に起因する。
本稿では,異なる意味空間から複数の分類基準を適応的に探索する,視覚言語モデルに基づく階層型プロンプトチューニングフレームワークを提案する。
論文 参考訳（メタデータ） (2025-05-19T16:35:45Z) - Unsupervised Model Diagnosis [49.36194740479798]
本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。
提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
論文 参考訳（メタデータ） (2024-10-08T17:59:03Z) - Model Stealing Attack against Graph Classification with Authenticity, Uncertainty and Diversity [80.16488817177182]
GNNは、クエリ許可を通じてターゲットモデルを複製するための悪行であるモデル盗難攻撃に対して脆弱である。
異なるシナリオに対応するために,3つのモデルステルス攻撃を導入する。
論文 参考訳（メタデータ） (2023-12-18T05:42:31Z) - 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) - LEAT: Towards Robust Deepfake Disruption in Real-World Scenarios via
Latent Ensemble Attack [11.764601181046496]
生成モデルによって作成された悪意のある視覚コンテンツであるディープフェイクは、社会にますます有害な脅威をもたらす。
近年のディープフェイクの損傷を積極的に軽減するために, 逆方向の摂動を用いてディープフェイクモデルの出力を妨害する研究が進められている。
そこで本研究では,Latent Ensemble ATtack (LEAT) と呼ばれる簡易かつ効果的なディスラプション手法を提案する。
論文 参考訳（メタデータ） (2023-07-04T07:00:37Z)
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。