論文の概要: Verification of Dynamic Holographic Behavior in Identity Documents
- arxiv url: http://arxiv.org/abs/2607.06466v1
- Date: Tue, 07 Jul 2026 16:27:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.58661
- Title: Verification of Dynamic Holographic Behavior 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動的ホログラフィー挙動の検証
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.208889278596182
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This paper addresses the remote verification of the authenticity of Optically Variable Devices (commonly known as holograms) on identity documents. Typically placed over the cardholder's photo, these devices provide strong and easily verifiable security for human inspection but pose challenges for automated verification. Existing approaches easily cover static frauds (e.g. paper photocopy) and can be evaluated for such, but their capacity to detect real, dynamic fraud cases (e.g. handcrafted hologram) has not been evaluated to date because of the lack of public datasets. Furthermore, they are usually trained to detect known attack types, and few of them can generalize to new, unseen attacks. This work features three contributions to address these limitations: 1) a new public dataset, MIDV-DynAttack, which extends the existing MIDV-Holo dataset with realistic, static and dynamic attacks against identity document specimens, tripling the number of attack samples compared to the original dataset, 2) a novel verification method which can assess the authenticity of a specific hologram thanks to the analysis of its dynamic behavior and appearance, can be trained without dynamic attack samples, and exhibits new state-of-the-art performance, 3) a benchmark of existing approaches which follows a clear evaluation protocol and emphasizes the inability of other approaches to deal with dynamic attacks, as well as new challenging attacks to deal with. Code and dataset are publicly available at https://github.com/EPITAResearchLab/pouliquen.25.icdar.
- Abstract（参考訳）: 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。
通常、カードホルダーの写真の上に置かれ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。
既存のアプローチでは、静的な不正(例えば紙写真)を簡単にカバーでき、それに対して評価することができるが、実際の動的不正事件(例えば手作りホログラム)を検出する能力は、公開データセットが不足しているため、現在まで評価されていない。
さらに、既知の攻撃タイプを検出するように訓練されているため、新しい、目に見えない攻撃に一般化できるものはほとんどない。
この作業には、これらの制限に対処するための3つのコントリビューションが含まれている。
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、動的に攻撃し、元のデータセットと比較して攻撃サンプルの数を3倍にする。
2) その動的挙動や外観の分析により, 特定のホログラムの信頼性を評価できる新しい検証手法を, 動的攻撃サンプルを使わずに訓練でき, 新たな最先端性能を示すことができる。
3) 明確な評価プロトコルに従う既存のアプローチのベンチマークでは、動的攻撃に対処する他のアプローチの欠如と、対処する新たな困難な攻撃を強調している。
コードとデータセットはhttps://github.com/EPITAResearchLab/pouliquen.25.icdar.comで公開されている。
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) - 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) - ExposeAnyone: Personalized Audio-to-Expression Diffusion Models Are Robust Zero-Shot Face Forgery Detectors [58.45131932883374]
ビデオ中のディープフェイクを検出するための完全自己教師型アプローチを提案する。
本モデルでは,拡散再構成誤差を用いて,疑わしい映像とパーソナライズされた被写体との同一性距離を算出する。
本手法は, ボケや圧縮などの汚損に対して極めて堅牢であり, 現実の顔偽造検出への適用性を強調している。
論文 参考訳（メタデータ） (2026-01-05T18:59:54Z) - 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) - Variance-Based Defense Against Blended Backdoor Attacks [0.0]
バックドア攻撃は、AIモデルをターゲットにした微妙ながら効果的なサイバー攻撃のクラスである。
本稿では,与えられたデータセット上でモデルをトレーニングし,有毒なクラスを検出し,攻撃トリガの重要部分を抽出する新しい防御手法を提案する。
論文 参考訳（メタデータ） (2025-06-02T09:01:35Z) - Weakly Supervised Training for Hologram Verification in Identity Documents [1.9197225657187418]
識別文書における光学可変デバイス(OVD)の正当性を検証する手法を提案する。
本手法は、一般的な照明条件下でスマートフォンで撮影したビデオクリップを処理する。
弱い教師付きトレーニングのおかげで、私たちは特徴抽出と意思決定パイプラインを最適化し、新しいリードパフォーマンスを実現しました。
論文 参考訳（メタデータ） (2024-04-26T08:47:28Z) - Unified Physical-Digital Face Attack Detection [66.14645299430157]
顔認識(FR)システムは物理的(印刷写真)とデジタル(ディープフェイク)攻撃に悩まされることがある。
以前の関連する作業では、両方の状況が同時に考慮されることはめったにありません。
視覚言語モデル(VLM)に基づく一元攻撃検出フレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-31T09:38:44Z) - 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) - Invisible Backdoor Attack with Dynamic Triggers against Person
Re-identification [71.80885227961015]
個人再識別(ReID)は、広範囲の現実世界のアプリケーションで急速に進展しているが、敵攻撃の重大なリスクも生じている。
動的トリガー・インビジブル・バックドア・アタック(DT-IBA)と呼ばれる,ReIDに対する新たなバックドア・アタックを提案する。
本研究は,提案したベンチマークデータセットに対する攻撃の有効性と盗聴性を広範囲に検証し,攻撃に対する防御手法の有効性を評価する。
論文 参考訳（メタデータ） (2022-11-20T10:08:28Z) - Attacking Face Recognition with T-shirts: Database, Vulnerability
Assessment and Detection [0.0]
我々は,100のユニークな提示攻撃器を用いた1,608のTシャツ攻撃の新しいTシャツ顔提示攻撃データベースを提案する。
このような攻撃は、顔認識システムのセキュリティを損なう可能性があり、いくつかの最先端の攻撃検出メカニズムが、新しい攻撃に対して堅牢に一般化できないことを示す。
論文 参考訳（メタデータ） (2022-11-14T14:11:23Z) - MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。
提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
論文 参考訳（メタデータ） (2020-10-25T23:01:13Z)
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。