Sep, 2023

声音印记：使用声音回声的深度表示进行面部展示攻击检测的通用方法

PDF
TL;DR基于声学回声的手机面部表示攻击检测方法是使用宽脉冲生成新型传输信号，通过处理接收信号的反射特征，检测面部展示攻击，实验表明该方法对于检测未知面部展示攻击具有鲁棒性。
facial biometricspresentation attackssmartphone-based facial recognitionacoustic echo-based face presentation attack detectionreflection profiles
发现论文，激发创造
  • PAD-Phys 在面部生物测量中利用生理学进行演示攻击检测

    基于远程光电容积描记术 (rPPG)，本研究提出了三种不同的基于 rPPG 的展示攻击检测方法：(i) 生理领域，即使用 rPPG 模型的领域，(ii) Deepfakes 领域，在其中从生理领域重新训练模型以执行特定的 Deepfakes 检测任务；和 (iii) 新的展示攻击领域，通过将从前两个领域应用迁移学习来提高区分真实和攻击的能力。实验结果表明，基于 rPPG 的模型在展示攻击检测中效率高，将平均分类错误率 (ACER) 从 41.03％降低到 19.32％，比生理和 Deepfakes 领域减少了 21.70％。我们的实验突出了 rPPG 模型中迁移学习的效率，且对于不允许复制这种生理特征的设备，在展示攻击检测中表现良好。

    Oct, 2023

  • FRT-PAD：基于人脸相关任务驱动的有效呈现攻击检测

    该论文介绍了一种利用人脸相关任务先验知识来提高 Presentation Attack Detection (PAD) 的泛化能力的方法，该方法包括引入人脸相关任务的特征、设计跨模态适配器以重新映射特征并使用卷积神经网络 (CNN) -basaed PA 检测器的分层特征和重新映射特征来实现 PAD。实验结果表明，该方法在复杂和混合数据集上表现显着优于现有技术。

    Nov, 2021

  • 通用表现攻击检测：一种面部防欺诈评估方案

    本文介绍了一种名为 face-GPAD 的新的开源评估框架，旨在研究人脸 PAD 方法的泛化能力，同时提出了一个聚合和分类的大型数据集，以解决公共数据集之间的不兼容性问题，并提出了两个新的评估协议，旨在测量人脸分辨率变化引入的影响和评估对抗性操作条件的影响。

    Apr, 2019

  • 基于深度学习的指纹呈现攻击检测：综述

    通过分类总结深度学习 Fingerprint Presentation Attack Detection（FPAD）的方法，主要集中于近年来的 deep-learning FPAD 技术，涉及指纹认证、攻击检测、接触式和智能手机模式等主题。

    May, 2023

  • VoxAtnNet: 面部展示攻击的通用三维点云卷积神经网络

    提出了一种基于 3D 点云的新型演示攻击检测算法 VoxAtnNet，用于侦测手机上的面部演示攻击。通过处理 3D 点云获取体素化的方式，以保留空间结构，然后使用新型卷积注意力网络对体素化的 3D 样本进行训练，实验结果表明该方法在检测已知和未知面部演示攻击的性能方面有所提升。

    Apr, 2024

  • 基于多通道卷积神经网络的生物特征面部呈现攻击检测

    本研究提出了一种基于多通道卷积神经网络的面部攻击检测方法，以解决面部生物识别在非监督应用中易受攻击的问题，并引入了新的宽多通道演示攻击数据库用于面部演示攻击研究。研究结果表明该方法优于现有特征提取方法，能够在 WMCA 数据库上实现 0.3% 的 ACER 性能，并已开放该数据库和相关软件供公共使用。

    Sep, 2019

  • 一种紧凑型深度学习模型用于人脸欺骗检测

    本文采用宽与深特征融合的神经网络结构来解决假攻击检测问题，并在多个数据集上进行了实验验证。

    Jan, 2021

  • 基于隐私友好合成数据的面部展示攻击检测 ——SynthASpoof

    本文介绍了一种基于合成数据的面部防伪数据集，名为 SynthASpoof，简要阐述了 MixStyle 的工作原理以及使用合成数据作为有限认证训练数据的补充，并给出了该数据集、实现和预训练权重的公开链接。

    Mar, 2023

  • 基于小波变换和深度残差神经网络的演示攻击检测

    本研究应用深度学习方法在生物特征访问控制系统中抵御演示攻击，通过应用小波变换提取生物特征图像的特征，并修改了深度残差神经网络来检测演示攻击。在 ATVS 虹膜数据集上，获得了 93% 的最佳准确率；在 CASIA 两类数据集和 CASIA 裁剪图像数据集上，分别实现了 91% 和 82% 的测试准确率。

    Nov, 2023

  • 基于内在图像属性和深度学习的防止面部欺诈的检测器

    本论文提出了一种基于深度神经网络和元学习分类器相结合的方法，该方法利用图像固有属性探测面部 “假冒攻击”，在 PAD 领域最具挑战性的跨数据集协议上取得了超越最新成果的显著结果。

    Feb, 2019