論文の概要: On the Use of Synthetic Data for Threshold Calibration in Face Recognition: Performance and Security Implications for Border Control Systems
- arxiv url: http://arxiv.org/abs/2607.25990v1
- Date: Mon, 27 Jul 2026 09:14:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.942965
- Title: On the Use of Synthetic Data for Threshold Calibration in Face Recognition: Performance and Security Implications for Border Control Systems
- Title（参考訳）: 顔認識における閾値校正のための合成データの利用:境界制御システムの性能とセキュリティへの影響
- Abstract要約: 境界制御システムに関連する文書間検証シナリオにおいて, しきい値校正のための合成顔データの利用について検討する。
以上の結果から, 合成データは制御された条件下でのキャリブレーションの挙動を近似することができるが, 制約のない条件に確実に一般化することができないことがわかった。
これらの相違により、認識性能が著しく低下し、モルヒネによる攻撃に対する脆弱性が増大する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The recently deployed Entry/Exit System (EES) introduces large-scale biometric verification into European border control, requiring face recognition systems to operate at extremely low false match rates (FMR). While regulatory frameworks define performance targets at the EES Central System level, they do not specify how verification thresholds should be calibrated in practice at the Member State level. In operational settings, obtaining representative real-world data for calibration is often constrained by legal, logistical, and privacy limitations. In this work, we investigate the use of synthetic face data for threshold calibration in document-to-live verification scenarios relevant to border control systems. We analyze the alignment of genuine and impostor score distributions between synthetic and real datasets and evaluate the transferability of calibrated thresholds across domains, with a focus on low-FMR operating points. Our results show that synthetic data can approximate calibration behavior in controlled settings, but fails to reliably generalize to unconstrained conditions due to mismatches in score distribution tails. These discrepancies lead to significant degradation in recognition performance and increased vulnerability to morph-based attacks. We further demonstrate that calibration outcomes are highly dataset-dependent, even across synthetic datasets. Overall, our findings highlight that while synthetic data is useful for system development and preliminary calibration, our results indicate that reliable threshold selection in high-security deployments typically requires validation and adjustment using representative real-world data.
- Abstract（参考訳）: 最近展開されたEntry/Exit System(EES)は、ヨーロッパの国境管理に大規模な生体認証を導入し、顔認識システムは極めて低い偽マッチングレート(FMR)で運用する必要がある。
規制フレームワークはEES中央システムレベルでパフォーマンス目標を定義するが、実際に加盟国レベルで認証しきい値をどのように調整すべきかは明記していない。
運用環境では、キャリブレーションのための代表的な現実世界のデータを取得することは、しばしば法的、論理的、プライバシー上の制限によって制限される。
本研究では,境界制御システムに関連する文書間検証シナリオのしきい値校正における合成顔データの利用について検討する。
合成データセットと実データ間の真偽スコア分布のアライメントを解析し、低FMR演算点に着目して、領域間の校正しきい値の転送性を評価する。
この結果から, 合成データは制御条件下でのキャリブレーションの挙動を近似することができるが, スコア分布のミスマッチにより, 制約のない条件に確実に一般化することができないことがわかった。
これらの相違により、認識性能が著しく低下し、モルヒネによる攻撃に対する脆弱性が増大する。
さらに, キャリブレーションの結果は, 合成データセットにおいても, 非常にデータセットに依存していることを示す。
以上の結果から,システム開発や予備校正には合成データが有用であるが,高セキュリティデプロイメントにおいて信頼性の高いしきい値の選択には,代表的な実世界のデータを用いた検証と調整が必要であることが示唆された。
関連論文リスト
- From Benchmark Performance to Tool Deployment: Human-in-the-Loop Anomaly Detection [28.67239775192971]
BowTieデータセットを用いた19の教師なし異常検出モデルの評価を行った。
モデル性能は、標準ベンチマークで通常報告されるよりも安定性が低いことを観察する。
我々は、製造部品検査のための統一されたヒューマン・イン・ザ・ループ・フレームワークをデプロイする。
論文 参考訳（メタデータ） (2026-08-07T21:31:20Z) - Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。
画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
論文 参考訳（メタデータ） (2026-07-29T05:16:59Z) - Phantoms and Disclosures: a Causal Framework for Auditing Synthetic Data [56.86147283213652]
データ開示の検出と説明を目的とした,カスタマイズ可能な実証監査フレームワークを提案する。
本フレームワークでは,ユーザの情報を直接再現する「真の開示」と,ユーザのデータを偶発的に生成する「幻の開示」とを区別する機構を導入する。
論文 参考訳（メタデータ） (2026-06-15T16:54:02Z) - Multi-Agent Conformal Prediction with Personalized Statistical Validity [33.73739436774371]
コンフォーマル予測は、限定的なローカルキャリブレーションデータ、プライバシ制約、データの異質性といった課題に直面している。
本稿では、局所密度比重み付けと重み付けされた量子化集約を組み合わせ、プライバシーを保ちながら不均一性を補正するフレームワークであるパーソナライズされた共形予測(PFWCP)を提案する。
PFWCPは、各参加エージェントに対して有効な境界条件と校正条件のカバレッジ保証を与え、ワンショット通信によるプロトコルをサポートする。
論文 参考訳（メタデータ） (2026-05-30T13:01:56Z) - Discovery of Hidden Miscalibration Regimes [52.452902154360565]
モデルは何らかの入力を体系的に過信し、他人を過信することがある。
対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。
提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
論文 参考訳（メタデータ） (2026-05-13T13:07:50Z) - Gradient Rectification for Robust Calibration under Distribution Shift [28.962407770230882]
ディープニューラルネットワークは、しばしば過信な予測を生成し、安全クリティカルなアプリケーションにおける信頼性を損なう。
対象とするドメイン情報にアクセスせずに動作する新しいキャリブレーションフレームワークを提案する。
本手法は, 配電時の校正性能を向上するとともに, 配電時の校正性能を向上する。
論文 参考訳（メタデータ） (2025-08-27T12:28:26Z) - Suitability Filter: A Statistical Framework for Classifier Evaluation in Real-World Deployment Settings [33.080398349395686]
適合性信号を利用して性能劣化を検出する新しいフレームワークを提案する。
テストデータとユーザデータの両方に適合する信号を集約し、これらの経験的分布を比較する。
これにより、高スループットアプリケーションにおける潜在的な障害の積極的な緩和が可能となる。
論文 参考訳（メタデータ） (2025-05-28T13:37:04Z) - Context-Aware Online Conformal Anomaly Detection with Prediction-Powered Data Acquisition [35.59201763567714]
文脈認識型共形オンライン異常検出(C-PP-COAD)を導入する。
本フレームワークは,データ不足を軽減するために合成キャリブレーションデータを戦略的に活用し,コンテキストに基づく実データの統合を適応的に行う。
C-PP-COADは、偽発見率(FDR)を保証せずに、実際のキャリブレーションデータへの依存を著しく低減することを示した。
論文 参考訳（メタデータ） (2025-05-03T10:58:05Z) - Noise-Adaptive Conformal Classification with Marginal Coverage [53.74125453366155]
本稿では,ランダムラベルノイズによる交換性からの偏差を効率的に処理できる適応型共形推論手法を提案する。
本手法は,合成および実データに対して,その有効性を示す広範囲な数値実験により検証する。
論文 参考訳（メタデータ） (2025-01-29T23:55:23Z) - Learning for Transductive Threshold Calibration in Open-World Recognition [83.35320675679122]
グラフニューラルネットワークを用いた高剛性と適応性を有するトランスダクティブしきい値キャリブレーション法であるOpenGCNを導入する。
オープンワールドの視覚認識ベンチマークにおける実験は、オープンワールドのしきい値校正のための既存のポストホック校正方法よりもOpenGCNの方が優れていることを検証する。
論文 参考訳（メタデータ） (2023-05-19T23:52:48Z) - Investigation of Different Calibration Methods for Deep Speaker
Embedding based Verification Systems [66.61691401921296]
本稿では, ディープスピーカ埋込抽出器のスコアキャリブレーション法について検討する。
この研究のさらなる焦点は、スコア正規化がシステムの校正性能に与える影響を推定することである。
論文 参考訳（メタデータ） (2022-03-28T21:22:22Z) - Privacy Preserving Recalibration under Domain Shift [119.21243107946555]
本稿では,差分プライバシー制約下での校正問題の性質を抽象化する枠組みを提案する。
また、新しいリカレーションアルゴリズム、精度温度スケーリングを設計し、プライベートデータセットの事前処理より優れています。
論文 参考訳（メタデータ） (2020-08-21T18:43:37Z)
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。