論文の概要: Temporal Modeling of Optically Variable Devices in Identity Documents
- arxiv url: http://arxiv.org/abs/2607.06408v1
- Date: Tue, 07 Jul 2026 15:37:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.57678
- Title: Temporal Modeling of Optically Variable Devices in Identity Documents
- Title（参考訳）: アイデンティティドキュメンテーションにおける光学可変デバイスの時間的モデリング
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.8297572190956917
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Robust remote verification of identity documents relies on analyzing faint, transparent security features like Optically Variable Devices (OVDs), or "holograms", within user-captured videos under uncontrolled conditions. Current systems, however, face critical limitations: existing methods often treat video frames in isolation, neglecting the intrinsic dynamic nature of OVDs and leaving systems vulnerable to swapping attacks, or focus on general holographic presence and lack the ability to verify specific OVD types. Moreover, the economic infeasibility of frame-by-frame video annotation makes supervised training impractical. In this work, we introduce two novel approaches for verifying the dynamic behavior of transparent OVDs protecting the holder's portrait, specifically designed for open-set scenarios where attack types are unknown during training. We demonstrate that these approaches can be trained without any attack samples in a self-supervised setting, surpassing previous state-of-the-art methods on public datasets while adhering strictly to industrial constraints. Our results confirm that modeling temporal dynamics is essential for defeating sophisticated attacks under realistic conditions, and underscores the promise of sequence modeling and anomaly detection for OVD verification. Code is available at https://github.com/EPITAResearchLab/pouliquen.26.icdar.
- Abstract（参考訳）: アイデンティティドキュメントのロバストなリモート検証は、制御不能な条件下でユーザキャプチャされたビデオの中で、光学可変デバイス(OVD)や"ホログラム"のような、暗く透明なセキュリティ機能を分析することに依存している。
既存の方法では、ビデオフレームを分離して処理したり、OVDの固有の動的性質を無視したり、攻撃のスワップに脆弱なシステムを残したり、一般的なホログラフィックの存在に集中したり、特定のOVDタイプを検証する能力に欠ける。
さらに,フレーム・バイ・フレームビデオアノテーションの経済的実現性は,教師あり訓練を非現実的にする。
本研究では,学習中に攻撃タイプが不明なオープンセットシナリオに特化して設計された,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。
我々は、これらのアプローチが、産業的制約に厳格に固執しつつも、公開データセットの過去の最先端の手法を超越して、自己監督された環境で攻撃サンプルなしで訓練できることを実証した。
この結果から,実環境下での高度な攻撃を打破するには時間的ダイナミクスのモデリングが不可欠であることが確認され,OVD検証におけるシーケンスモデリングと異常検出の可能性を裏付ける。
コードはhttps://github.com/EPITAResearchLab/pouliquen.26.icdarで公開されている。
関連論文リスト
- Verification of Dynamic Holographic Behavior in Identity Documents [1.208889278596182]
本稿では,識別文書上での光学可変デバイス(一般にホログラム)の信頼性の遠隔検証について述べる。
これらのデバイスは、人間の検査に対して強力で容易に検証可能なセキュリティを提供するが、自動検証には課題がある。
既存の手法では, 静的不正が容易にカバーでき, 評価も可能であるが, 実際の動的不正事件を検出する能力は評価されていない。
1) 新しい公開データセットであるMIDV-DynAttackは、既存のMIDV-Holoデータセットを拡張し、IDドキュメントの標本に対して現実的で静的、動的に攻撃する。
論文 参考訳（メタデータ） (2026-07-07T16:27:28Z) - From Forgeries to Foundation Models: A Systematic Survey of Identity Document Attack and Detection [5.170417739307782]
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。
論文 参考訳（メタデータ） (2026-07-01T20:05:46Z) - Hybrid Robustness Verification for Spatio-Temporal Neural Networks [19.026662893450425]
既存の検証方法は、過度に保守的な近似や不正な計算コストに依存している。
実際には、対向摂動は、低次元、意味論的に意味のある部分空間に制約された、構造化された空間的および時間的相関を示す。
動作認識(UCF-101)、自律運転(Udacity)、医用画像(MedMNIST)の用途を対象として、3次元CNNによる映像入力のロバスト性検証を行う。
論文 参考訳（メタデータ） (2026-06-08T17:06:51Z) - Physics from Video: Identifiability of Time-Invariant Second-Order ODEs under Minimal Trajectory Conditions [60.2784641643737]
ビジュアルリアリズムと物理的な理解のギャップを埋めることは、ビデオベースの世界モデルにとって重要な課題である。
原画素からの連続時間物理法則の構造識別可能性について検討した。
レベルセットの傾斜被覆条件は、学習された潜伏空間が真の物理的状態に局所的に親和的であることを証明する。
論文 参考訳（メタデータ） (2026-05-27T13:22:29Z) - Shape and Substance: Dual-Layer Side-Channel Attacks on Local Vision-Language Models [2.1198879079315573]
デバイス上のビジョンランゲージモデル(VLM)は、ローカル実行を通じてデータのプライバシを約束する。
動的高分解能前処理へのアーキテクチャシフトは,アルゴリズム的なサイドチャネルを導入している。
ローカルなVLMに対する2層アタック・フレームワークを実演する。
論文 参考訳（メタデータ） (2026-03-26T12:53:49Z) - CtrlAttack: A Unified Attack on World-Model Control in Diffusion Models [92.04182855442254]
我々は、I2Vモデルの脆弱性を分析し、時間的制御機構が新たな攻撃面を構成することを発見し、それらを一様にモデル化することの難しさを明らかにする。
我々はCtrlAttackと呼ばれるトラジェクトリ制御攻撃を提案し、生成過程における状態の進化を妨害する。
実験結果から,低次元および高規則化摂動制約下であっても,時間的一貫性を著しく損なう可能性が示唆された。
論文 参考訳（メタデータ） (2026-03-13T08:05:50Z) - 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) - T2VShield: Model-Agnostic Jailbreak Defense for Text-to-Video Models [88.63040835652902]
テキストからビデオモデルへの攻撃はジェイルブレイク攻撃に弱いため、特別な方法で安全メカニズムをバイパスし、有害または安全でないコンテンツの生成につながる。
我々は、ジェイルブレイクの脅威からテキストからビデオモデルを守るために設計された包括的でモデルに依存しない防衛フレームワークであるT2VShieldを提案する。
本手法は,既存の防御の限界を特定するために,入力,モデル,出力の段階を体系的に解析する。
論文 参考訳（メタデータ） (2025-04-22T01:18:42Z) - 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)
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。