論文の概要: FakeIDet3-DB: Refining Digital Attacks and Patch Extraction for Secure ID Benchmarking
- arxiv url: http://arxiv.org/abs/2607.26641v1
- Date: Wed, 29 Jul 2026 09:03:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.604244
- Title: FakeIDet3-DB: Refining Digital Attacks and Patch Extraction for Secure ID Benchmarking
- Title（参考訳）: FakeIDet3-DB:セキュアIDベンチマークのためのデジタルアタックとパッチ抽出
- Abstract要約: ID認証は、複雑で高周波なセキュリティパターンの構造的整合性に依存している。
高度なジェネレーティブAIモデルは、局所的で高忠実な操作を注入し、偽造攻撃を発生させることができる。
FakeIDet3-DBは、実際の政府発行IDに対するデジタル操作の包括的なデータベースである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Identity document (ID) authentication relies on the structural integrity of complex, high-frequency security patterns. However, advanced Generative AI models can now inject localized, high-fidelity manipulations, creating deceptive attacks that bypass standard verification. Training robust image forensic models to detect these anomalies is hindered by privacy regulations, forcing reliance on synthetic templates lacking the intricate visual patterns of real IDs. To bridge this domain gap, we introduce FakeIDet3-DB, the first comprehensive database of digital manipulations on real, government-issued IDs. FakeIDet3-DB encompasses classical (e.g., copy-move) and Generative AI-driven manipulations (e.g., face-swapping, inpainting) enhanced with advanced image refinement procedures to suppress visual artifacts. In addition, to comply with strict data protection regulations (e.g., GDPR), we adopt a recently-proposed framework based on patches. In order to maximize forensic utility, we formulate privacy-aware patch extraction from a real ID as a geometrically constrained image processing problem. We propose PACE, a Pseudo-Anonymized Contextual patch Extraction algorithm, which leverages Integral Image mapping and distance-driven Non-Maximum Suppression (NMS). PACE efficiently contours anonymization masks that prevent Personally Identifiable Information (PII) leakage while maximizing semantic density in peri-censorship regions, yielding almost 5.2M patches extracted from more than 6.4K images from real/fake IDs. Furthermore, an extensive evaluation of the proposed FakeIDet3-DB is performed using state-of-the-art models, showcasing they all struggle to detect and locate attacks coming from generative and classic techniques (32.45\% EER in detection and 83.48\% AUC-ROC in localization).
- Abstract（参考訳）: ID認証は、複雑で高周波なセキュリティパターンの構造的整合性に依存している。
しかし、先進的なジェネレーティブAIモデルは、ローカライズされた高忠実な操作を注入し、標準検証をバイパスする偽の攻撃を発生させることができる。
これらの異常を検出するための堅牢な画像法医学モデルのトレーニングは、プライバシー規制によって妨げられ、実際のIDの複雑な視覚パターンを欠いた合成テンプレートへの依存を強いる。
このドメインギャップを埋めるために、我々はFakeIDet3-DBを紹介します。
FakeIDet3-DBは、従来の(例えば、コピー-ムーブ)と生成AI駆動の操作(例えば、顔スワッピング、塗装)を包含し、ビジュアルアーティファクトの抑制のために高度な画像改善手順で強化する。
さらに、厳格なデータ保護規則(GDPRなど)に従うため、パッチに基づいた最近提案されたフレームワークを採用しています。
法医学的有用性を最大化するために、幾何学的に制約された画像処理問題として、実際のIDからプライバシを意識したパッチ抽出を定式化する。
我々は、積分画像マッピングと距離駆動非最大抑圧(NMS)を利用した擬似匿名型コンテキストパッチ抽出アルゴリズム PACE を提案する。
PACEは、PII(Personally Identible Information)の漏洩を防ぎつつ、センセーショナル領域のセマンティック密度を最大化しながら、実際の/フェイクIDから6.4K以上の画像からほぼ5.2Mのパッチを抽出する匿名化マスクを効率的に構成する。
さらに、提案したFakeIDet3-DBを最先端のモデルを用いて広範囲に評価し、生成的および古典的手法(32.45\% EER、ローカライゼーション83.48\% AUC-ROC)による攻撃の検出と発見に苦慮していることを示す。
関連論文リスト
- Identity-Decoupled Anonymization for Visual Evidence in Multi-modal Retrieval-Augmented Generation [9.39195684989942]
Identity-Decoupled MRAGは、生成匿名化モジュールを検索と生成の間に介在するフレームワークである。
提案手法は,各面を識別符号と空間的に構造化された属性コードに分解し,相互情報的ペナルティと勾配に基づく独立項で正規化する不整形変分エンコーダ,識別符号を元のものと現実とを区別することが保証された合成物に置換する多様体認識拒絶サンプリング器,および (iii)匿名化顔と置換IDとを合成する条件付き潜時拡散発生器からなる。
論文 参考訳（メタデータ） (2026-04-26T07:42:33Z) - All in One: Unifying Deepfake Detection, Tampering Localization, and Source Tracing with a Robust Landmark-Identity Watermark [25.001768538619558]
悪意ある顔操作は、個人のプライバシーと社会保障に重大な脅威をもたらす。
既存のプロアクティブな法医学的手法は、ディープフェイクの検出、ローカライゼーションの改ざん、ソーストレースを独立したタスクとして扱う。
本稿では,これら3つの中核課題に共同で対処する一貫した前立腺科学フレームワークを提案する。
論文 参考訳（メタデータ） (2026-02-26T21:57:15Z) - Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。
トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。
IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-10-28T09:28:12Z) - Personalized Face Super-Resolution with Identity Decoupling and Fitting [50.473357681579664]
極端な劣化シナリオでは、重要な属性とID情報が入力画像で著しく失われることが多い。
既存の方法では、そのような条件下で幻覚顔を生成する傾向があり、真のID制約を欠いた復元画像を生成する。
本稿ではIDデカップリング・フィッティング(IDFSR)を用いた新しいFSR手法を提案する。
論文 参考訳（メタデータ） (2025-08-13T02:33:11Z) - Robust Deepfake Detection for Electronic Know Your Customer Systems Using Registered Images [29.349824933680956]
本稿では,eKYC(Electronic Know Your Customer)システム用に設計されたディープフェイク検出アルゴリズムを提案する。
顔認識モデルにより抽出された識別ベクトルの時間的不整合を検出することにより,映像の真正性を評価する。
このアルゴリズムは、ビデオ入力の処理に加えて、登録された画像(真であると仮定される)を使ってアイデンティティの相違を計算する。
論文 参考訳（メタデータ） (2025-07-30T12:16:27Z) - FakeIDet: Exploring Patches for Privacy-Preserving Fake ID Detection [12.969417519807322]
本研究は,フィールド内のいくつかの制限をカバーした偽ID検出の話題に焦点を当てた。
この領域で適切な研究を行うために、実際のIDから公開されているデータは存在しない。
ほとんどの論文は、プライバシ上の理由から利用できない独自の内部データベースに依存している。
論文 参考訳（メタデータ） (2025-04-10T14:01:22Z) - 3D Face Modeling via Weakly-supervised Disentanglement Network joint Identity-consistency Prior [62.80458034704989]
切り離された制御因子を特徴とする3次元顔モデルの生成は、コンピュータビジョンやコンピュータグラフィックスの多様な応用において大きな可能性を秘めている。
従来の3D顔モデリング手法は、これらの要因を効果的に解消するために特定のラベルを要求するため、課題に直面している。
本稿では,WSDF(Wakly Supervised Disentanglement Framework)を導入し,過度に拘束的なラベル付けを必要とせず,制御可能な3次元顔モデルのトレーニングを容易にする。
論文 参考訳（メタデータ） (2024-04-25T11:50:47Z) - 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) - Semantic-aware One-shot Face Re-enactment with Dense Correspondence
Estimation [100.60938767993088]
ワンショットの顔の再現は、ソースと駆動する顔の同一性ミスマッチのため、難しい作業である。
本稿では,3次元形態素モデル(3DMM)を明示的な顔のセマンティックな分解とアイデンティティの絡み合いに利用することを提案する。
論文 参考訳（メタデータ） (2022-11-23T03:02:34Z) - Camera-aware Proxies for Unsupervised Person Re-Identification [60.26031011794513]
本稿では、アノテーションを必要としない純粋に教師なしの人物識別(Re-ID)問題に取り組む。
各クラスタを複数のプロキシに分割し、それぞれのプロキシが同じカメラからのインスタンスを表すことを提案する。
カメラ認識プロキシに基づいて、カメラ内およびカメラ間コントラスト学習コンポーネントをre-idモデル用に設計する。
論文 参考訳（メタデータ） (2020-12-19T12:37:04Z)
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。