Sep, 2023

LivDet2023 -- 指纹活体检测竞赛：推进泛化能力

PDF
TL;DR国际指纹活体检测竞赛（LivDet）是一项每两年举办一次的活动，邀请学术界和工业界的参与者证明他们在指纹表示攻击检测（PAD）方面的进展。本届竞赛提出了两个挑战，即动作中的活体检测和指纹表示，旨在评估嵌入验证系统的 PAD 的有效性以及特征集的有效性和紧凑性。另外，还包括一个隐藏挑战，即在训练集中包含两个未知传感器信息的子集，测试参与者的模型泛化能力。参与者只提供真实指纹样本，竞赛报告并评估他们的算法在数据可用性有限的情况下的性能。
international fingerprint liveness detection competitionlivdet2023fingerprint presentation attack detectionliveness detection in actionfingerprint representation
发现论文，激发创造
  • 非接触式指纹算法和系统的活体检测竞赛 (LivDet-2023 非接触式指纹)

    LivDet-2023 是非接触式指纹感知攻击检测（PAD）的竞赛，它提供了对算法和系统进行评估的国际竞争平台。该竞赛使用非接触式指纹感知攻击作为基准，为学术界和行业提供了非接触式指纹 PAD 的最新研究和系统的独立评估，同时提供了常见的算法和系统评估协议。

    Oct, 2023

  • 自适应样式技术提升指纹活体检测的泛化能力

    我们介绍了一种高性能的指纹活体特征提取技术，该技术在 LivDet 2023 指纹特征展示挑战中获得第一名。此外，我们还开发了一个实用的指纹识别系统，准确率达到 94.68%，在 LivDet 2023 活体检测行动中获得第二名。通过研究各种方法，特别是样式转移，我们展示了在面对有限的训练数据时准确性和泛化性的提升。因此，我们的方法在 LivDet 2023 挑战中实现了最先进的性能。

    Oct, 2023

  • 虹膜活体检测竞赛 (LivDet-Iris) -- 2023 年版

    2023 年的 ''LivDet'' 系列虹膜展示攻击检测（PAD）竞赛的结果。新的元素包括生成对抗网络（GAN）产生的虹膜图像作为展示攻击工具的一类，以及评估人类检测展示攻击工具的准确性作为参考基准。结果分析了不同类型的展示攻击工具的准确性，并与人类准确性进行了比较。总体而言，Fraunhofer IGD 算法表现出最佳的加权准确性结果（平均分类错误率为 37.31%），而北京土木工程与建筑大学的算法在每个展示攻击工具给予相等权重时获胜（平均分类率为 22.15%）。这些结果表明虹膜 PAD 仍然是一个具有挑战性的问题。

    Oct, 2023

  • 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

  • 基于生成对抗网络的开放式纹理生成器指纹呈现攻击检测

    该论文提出了一种基于卷积神经网络和生成对抗网络的指纹图像防攻击方法，通过生成与现有攻击样本不同的真实样本来增加数据集，有效提高了指纹图像防攻击的准确性。

    Jun, 2023

  • 数据库间活体检测：基于比较生物特征分析的见解

    生物特征安全、活体检测、跨数据库场景、性能指标和数据多样化方法是本研究的关键词。本研究全面评估了活体检测模型，尤其关注它们在跨数据库场景下的表现，发现了这一领域的固有挑战，并提出了更加精细、多样化和适应性的方法。

    Jan, 2024

  • SynFacePAD 2023: 基于隐私感知合成训练数据的人脸展示攻击检测竞赛

    2023 年国际联合生物识别学术会议（IJCB 2023）举办的基于隐私感知合成训练数据的人脸呈现攻击检测竞赛（SynFacePAD 2023）的论文总结，共有 8 个来自学术界和工业界的参赛队伍提交了有效解决方案，竞赛旨在鼓励和吸引以隐私、法律和伦理问题为动机的以合成数据为基础的人脸呈现攻击检测解决方案，参赛选手使用的训练数据仅限于主办方提供的合成数据，提交的解决方案提出了创新和新颖的方法，在研究基准测试中表现优于考虑的基准。

    Nov, 2023

  • DyFFPAD：融合卷积和手工特征的动态指纹展示攻击检测

    自动指纹识别系统面临虚假攻击的威胁，本文提出了一种动态集成的深度学习和手工特征方法来检测已知材料和未知材料协议中的虚假攻击，该模型利用了分类技术的能力并在基准协议中表现出更好的性能。

    Aug, 2023

  • 全局 - 局部模型使用的指纹展示攻击检测器

    该研究提出了一种名为 RTK-PAD 的全局 - 局部模型的假证据检测方法，通过采用全局模块和局部模块之间的重新思考模块连接，结合了全局和局部的假证据得分，以实现假证据检测，并在 LivDet 2017 上进行的实验结果表明 RTK-PAD 表现显著，在 TDR（真实检测率）方面比现有方法高 10%（91.19% 对 80.74%）。

    Feb, 2024

  • 接触式指纹攻击检测的深度特征：能否被推广？

    本文研究了七种预训练 CNN 和一个 Vision Transformer 模型对于探测虚假指纹的泛化能力，并通过四个不同的仿冒手段和深度特征技术的性能评估结果表明，ResNet50 CNN 具有最好的泛化性能。

    Jul, 2023